Mnist数据集神经网络分析

Mnist数据的下载：http://yann.lecn.com/exdb/mnist/ 或者tensorflow里面自带了直接用
数据集的组成：55000行的训练数据集（mnist.train）和10000行的测试数据集（mnist.test）。每一个MNIST数据单元有两部分组成：一张包含手写数字的图片和一个对应的标签，图片为黑白图片，每一张图片包含28像素28像素。把数组展开成一个向量，长度是2828=784。在MNIST训练数据集中，mnist.train.images是一个形状为[60000,784]的张量。MNIST中的每个图像都具有相应的标签，0-9之间的数字表示图像中绘制的数字，用one-hot编码。mnist.train.labels[55000,10]。
一、实现流程
（一）准备数据
特征值[None,784] 目标值[None,10]
获取数据
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True)
（二）全连接结果计算
1、定义数据占位符
特征值[None,784] 目标值[None,10]
2、建立模型
随机初始化权重和偏置
w[784,10] b[10]
y_predict = tf.matmul(x,w) + b

（三）损失优化
1、计算损失
loss平均样本损失
2、梯度下降优化

（四）模型评估（计算准确性）

例如ÿ