卷积神经网络是一种常用的神经网络结构。上文使用简单的神经网络对mnist数据集进行测试，准确率较高。下面使用卷积神经网络进行训练和识别。

　　卷积层和池化层的实现：

　　 　mnist手写数据集是验证算法和框架常用的数据集，下面使用tensorflow进行测试。

深度神经网络中最重要的就是参数调整，tensorflow提供了一些列便捷的方法优化神经网络。

1. 自定义损失函数 主要通过tf.reduce_sum()实现。

　　关于神经网络的知识这里就不介绍了，重点关注实现方法。

　　tensorflow中tf.Variable()用于保存和更新参数，tf.matmul()用于矩阵计算，tf.random_normal()定义正太分布。先来看一个前向传播计算：

　　tensorflow版本为1.2.1，python版本3.6.1，win10

1. 计算图

　　tensorflow可以看作tensor和flow的集合，tensor即张量，flow是计算模型，二者组成了计算图，tensorflow上的计算就是计算图上的节点，边表示计算表关系。可以通过一个简单的例子查看：