tensorflow下mnist实例，关于迭代次数及随机取数据集大小问题

在官方文档中，采用的是1000次迭代，每次随机选取100个数据集进行训练。 最后的精确值为91%左右。

提高迭代次数到10000次，随机选取任是100个时，精确值为92%左右。可以理解，毕竟多次迭代。

然而当迭代为10000次，每次1000个数据集时，精确度仅有9.8%，相当于等概率随机猜。正常来说应该会提高精确度，然而不是。

原因是：
随机梯度最后不收敛导致的。

官方文档中采用交叉熵来计算loss，特点是当loss大的时候，反映在w和b上也特别明显。然而当数据集变大的时候，loss也随之变大，
以0.01的学习率去学习，很可能就导致了不收敛，而导致此结果。。
因此，实验中，需要降低学习率，本人设为0.001时，精确度再次上升为92.5%左右。