RNN时间序列预测（1）-Tensorflow入门，MNIST学习

Title	Content
原文	https://github.com/jikexueyuanwiki/tensorflow-zh/blob/master/tex_pdf/tensorflow_manual_cn.pdf
说明	因为要做RNN的时间序列分析，先根据其MNIST，理清楚tensorflow的处理流程，以下是学习摘要

2.1.1 MNIST数据集

import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

数据集为3类：训练、测试、验证
每个MNIST的数据单元由两部分：图片+图片标签

图片：为二维28*28，可展开为向量784
图片标签：假设为0~9，则可将其转化为10维向量，是第i个标签，对应值就是1，其他为0

2.1.2 softmax regression介绍

softmax模型可以用来给不同的对象分配概率

softmax regression 步骤：
（1）对输入被分类对象属于某个类的“证据”相加求和
（2）将此“证据”的和转化为概率

“证据”：
（1）如果图片的像素强有力的体现属于某一个类，则为正，否则为负
（2）额外“证据”引入：Bias(偏置)
目的：希望“证据”代表了与输入无关的判断证据

$evidence_i=\sum\limits_jW_{i,j}x_j+b_i$
xj