import?os
os.environ[‘TF_CPP_MIN_LOG_LEVEL‘]?=?‘2‘
import?numpy?as?np
import?tensorflow?as?tf

nSampleSize?=?20000?????#?總樣本數(shù)
nSig_dim?=?576??????????#?單個(gè)樣本維度
nLab_dim?=?4????????????#?類別維度

#?讀取float型二進(jìn)制數(shù)據(jù)（最后數(shù)據(jù)格式存放在元祖里）
def?getdata（nSampSize=20000）:
????signal?=?np.fromfile（‘DLdata90singal.raw‘?dtype=np.float64）
????labels?=?np.fromfile（‘DLdata90labels.raw‘?dtype=np.float64）
????#?print（signal）
????#?print（labels）
????mat_sig?=?np.reshape（signal?[-1?nSampSize]）?#由于matlab?矩陣寫入文件是按照【列】?jī)?yōu)先?需要按行讀取
????mat_lab?=?np.reshape（labels?[-1?nSampSize]）
????mat_sig?=?mat_sig.T?#?轉(zhuǎn)換成正常樣式?【樣本序號(hào)，樣本維度】
????mat_lab?=?mat_lab.T
????return?mat_sig?mat_lab

#數(shù)據(jù)歸一化處理，樣本歸一化到[-1?1]，逐條對(duì)每個(gè)樣本進(jìn)行自歸一化處
def?zscore（xx）:
????max1?=?np.max（xx?axis=1）????#按行或者每個(gè)樣本，并求出單個(gè)樣本的最大值
????max1?=?np.reshape（max1?[-1?1]）??#?行向量?->>?列向量
????min1?=?np.min（xx?axis=1）????#按行或者每個(gè)樣本，并求出單個(gè)樣本的最小值
????min1?=?np.reshape（min1?[-1?1]）??#?行向量?->>?列向量
????yy?=?（xx-min1）/（max1-min1）*2-1
????return?yy

def?NextBatch（iLen?n_batchsize）:
????#?iLen:?樣本總數(shù)
????#?n_batchsize:?批處理大小
????#?返回n_batchsize個(gè)隨機(jī)樣本（序號(hào)）
????ar?=?np.arange（iLen）????#?生成0到iLen-1，步長(zhǎng)為1的序列
????np.random.shuffle（ar）???#?打斷順序
????return?ar[0:n_batchsize]

def?weight_variable（shape）:
????#?定義權(quán)重初始化
????initial?=?tf.truncated_normal（shape?stddev=0.1）
????return?tf.Variable（initial）

def?bias_variable（shape）:
????#?定義偏置初始化
????initial?=?tf.constant（0.1?shape=shape）
????return?tf.Variable（initial）

def?conv2d（x?W）:
????#?定義卷積層
????#?x?input?tensor?of?shape?‘[batch?in_height?in_width?in_channels]‘
????#?W?filter?/?kernel?tensor?of?shape?[filter_height?filter_width?in_channels?out_channels]
????#?‘strides[0]?=?strides[3]?=?1‘.?strides[1]代表x方向的步長(zhǎng)，strides[2]代表y方向的步長(zhǎng)
????#?padding:?A?‘string‘?from:?‘“SAME“?“VALID“‘
????return?tf.nn.conv2d（x?W?strides=[1?1?1?1]?padding=‘SAME‘）

def?max_pool_2x2（x）:
????#?池化層
????#?stride?[1?x_movement:2?y_movement:2?1]
????return?tf.nn.max_pool（x?ksize=[1?2?2?1]?strides=[1?2?2?1]?padding=‘SAME‘）

#?為NN定義placeholder
xs?=?tf.placeholder（tf.float32[NonenSig_dim]）
ys?=?tf.placeholder（tf.float32[NonenLab_dim]）
keep_prob?=?tf.placeholder（tf.float32）

x_image?=?tf.reshape（xs?[-1?24?24?1]）

##?conv1?layer?##
W_conv1?=?weight_variable（[5?5?1?32]）?#?patch?5x5?in?size?1?out?size?32
b_conv1?=?bias_vari