Tensorflow实现mnist手写数字识别（附github代码）

一、任务需求

mnist手写识别是经典的入门分类任务。给定28x28x1的输入图像，输出0-9共计十类的分类结果。

本次实现分两部分，一是用传统的全连接神经网络实现分类，二是用卷积神经网络（CNN）实现分类。

二、所用工具

python（Anaconda3）

tensorflow 1.0.0

Ubuntu 16.04.1 LTS

三、代码框架

代码地址：https://github.com/zhuangchen-nlp/mnist-tf

（一）传统神经网络

• 输入层：拉伸的手写文字图像，维度为[-1,28x28]。
• 全连接层：500个节点，维度为[-1,500]。
• 输出层：分类输出，维度为[-1,10]。

（二）卷积神经网络-CNN

• 输入层：手写文字图像，维度为[-1,28,28,1]。
• 卷积层1：filter的shape为5x5x32，strides为1，padding为“SAME”。卷积后维度为[-1,28,28,32]。
• 池化层2：max-pooling，ksize为2x2，步长为2。池化后维度为[-1,14,14,32]。
• 卷积层3：filter的shape为5x5x64，strides为1，padding为“SAME”。卷积后维度为[-1,14,14