Tensorflow（二）MNIST数据集分类

1.获取数据集

有两种方式可以得到数据集，第一是直接通过mnist = input_data.read_data_sets('MNIST_data',one_hot = True)进行联网下载，但这个方法可能很慢或者连接不到服务器，所以推荐使用第二个，在MNIST 直接下载数据，然后放在当前路径下的‘MNIST_data’文件夹中，下载以后不需要解压，直接压缩包放进去就好，它会自动解压获取数据的。

这个数据集是包含了0-9这10个数字的很多图片，我们要做的就是给出一张图片上面有数字，分析出这个数字是0-9中的哪一个。

one-hot的意思就是，输出值y应该是一个这样的形式【0,1,2,3,4,5,6,7,8,9】，每一个位置对应一个数字，得到的预测值只有一位为1，其他都是0，也就是说，如果预测值是【1,0,0,0,0,0,0,0,0,0】代表这个数字为0。预测值和给定的y值都是这种形式

 

2.softmax

softmax是一个激活函数，用在多分类问题的最后一层，最后一层使用这个函数以后得到的yhat并不是最终的预测值，以数据集分类例子来说，他是由10个小数组成的向量，并且这10个数的和为1，这10个数分别代表了最后这张图片是哪个数字的几率。选择最大的一项作为1，其他项都为0，最终得到预测值。

 

3.关于数据维度的问题

上面在讲向量的时候我都说的比较模糊，没有说明到底是行向量还是列向量，在之前吴恩达老师深度学习的课程中，神经网络中各层数据和参数的维度是这样定义的：（这是简化示例图，为了方便说明w和b的维度，下面代码展示的并没有隐藏层）

但这个数据集获取到的数据定义形式，也就是X和Y正好是反着来的，如果想要按照这个模型来，把获取到的数据转置即可，但这里为了以后增加改进方便，用了数据原始的格式。

注意数据的格式会引起两个问题，第一是参数值的维度，第二是向前传播是矩阵乘法的顺序