机器学习(10.1)--手写数字识别的不同算法比较(1)--mnist数据集不同版本解析及平均灰度实践

现在网上流行的mnist数据集共有两个版本
1、tensorflow 提供的 点击此处下载
2、开源标准数据集    点击此处下载

连续向下的几篇文章将是一套系列文章，都是对mnist的开源
标准数据集进行手写数字识别的
在我之前的所有文章多是在tensorflow内容才使用到mnist,因此，基本使用的是tensorflow 提供的版本
在这个系列的文章，我不依赖tensorflow,应用基本机器学习方法来进行手写数字识别，因此更多的会应用开源标准数据集的这个版本

这两个版本内部基本是一致，只是初始调用时的格式与数据量略有不同，都是由训练、交叉验证、测试三个集合组成，
仔细看看后面代码，就可以明白不同的调用方式，挺简单的，反正就是调用，没什么可多说的

后面附带了一段平均灰度（Average Darkness）算法，
这个算法比较简单，只是顺手写写，算是知道有这个算法而已，

因为至少运用mnist手写识别率上实在低的可怜只有22.25%

# -*- coding:utf-8 -*-

from tensorflow.examples.tutorials.mnist import input_data
mnist_tensorflow=input_data.read_data_sets("MNIST_data/", one_hot=Tru