tensorflow cnn

作者：夜露如今，TensorFlow大版本已经升级到了1.3，对很多的网络层实现了更高层次的封装和实现，甚至还整合了如Keras这样优秀的一些高层次框架，使得其易用性大大提升。相比早起的底层代码，如今的实现更加简洁和优雅。本文是基于TensorFlow在中文数据集上的简化实现，使用了字符级CNN和RNN对中文文本进行分

作者：祝威廉前言关于CNN如何和NLP结合，其实是被这篇文章指导入门的 。 我觉得使用CNN去处理一些NLP的分类问题，是非常不错的。主要好处有：CNN能自动抽取出一些高级特征，减少了特征工程的时间使用WordEmbedding技术将词汇表达为向量后，可以很方便的将文本表示为类似图片的2D向量神经网络表达能力强缺点的话

作者：Will前言本文假设大家对CNN、softmax原理已经比较熟悉，着重点在于使用Tensorflow对CNN的简单实践上。所以不会对算法进行详细介绍，主要针对代码中所使用的一些函数定义与用法进行解释，并给出最终运行代码。数据集数据集是MNIST，一个入门级的计算机视觉数据集，它包含各种手写数字图片：每张图片包含2