编者注：读者请注意：我们邀请你访问在GitHub上关于本文的Python代码和iPython Notebook文件。 
更多人工智能内容请关注2018年4月10-13日人工智能北京大会。

如果使用TensorFlow的所有较高级别的工具，例如tf.contrib.learn和Keras，你可以轻松地使用非常少量的代码来构建卷积神经网络。但是经常使用这些较高级别的应用，你就没法看到它们内部的代码，从而缺失了对这些应用背后所发生的事情的理解。

在本教程中，我会介绍如何只使用低级别的TensorFlow工具从零开始构建卷积神经网络，以及使用TensorBoard可视化我们的计算图和网络的表现。如果你还不了解全连接神经网络的一些基础知识，我强烈建议你首先查看这篇《这不是另外一个使用TensorFlow来做MNIST数字图像识别的教程》。在本文中我也会把卷积神经网络的每个步骤分解到绝对基础的程度，以便你可以完全了解计算图中的每个步骤。通过从零开始构建该模型，你可以轻松地将计算图的各方面可视化，以便可以看到每层卷积并使用它们做出你自己的推断。我会只强调主要代码，如果想查看全部代码，你可以在GitHub上找到相应的Jupyter Notebook文件。

以上仅为文章摘要，阅读原文精彩内容，请点击下方“阅读原文”，访问O'Reilly官网：https://www.oreilly.com.cn/ideas/