import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
import input_data
mnist = input_data.read_data_sets('data/', one_hot=True)
先初始化所有输入输出和参数
# NETWORK TOPOLOGIES
n_hidden_1 = 256 #第一层的神经元个数
n_hidden_2 = 128 #第二层的神经元个数
n_input = 784 #输入的像素的大小
n_classes = 10 #输出的分类的结果
# INPUTS AND OUTPUTS,参数初始化
x = tf.placeholder("float", [None, n_input])#x为样本个数和对应像素大小
y = tf.placeholder("float", [None, n_classes])#y为样本个数和对应的像素大小
# NETWORK PARAMETERS
stddev = 0.1
#w1,w2等用高斯初始化,方差为0.1的高斯
weights = {
'w1': tf.Variable(tf.random_normal([n_input, n_hidden_1], stddev=stddev)),
'w2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2], stddev=stddev)),
'out': tf.Variable(tf.random_normal([n_hid