tensorflow学习笔记（四）：利用BP手写体(MNIST)识别

---

---

一、MNIST数据集

1.简介

MNIST数据集是一个手写体数据集，简单说就是一堆这样东西：

MNIST的官网地址是MNIST; 通过阅读官网可以知道，这个数据集由四部分组成，分别是：

也就是一个训练图片集，一个训练标签集，一个测试图片集，一个测试标签集；我们可以看出这个其实并不是普通的文本文件或是图片文件，而是一个压缩文件，下载并解压出来，我们看到的是二进制文件，其中训练图片集的内容部分如此：

2.特点

1）、数据集分为两部分：训练集和测试集

训练集：包含60000行的训练数据集

• List item Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解压后 47 MB, 包含 60,000 个样本)
• Training set labels: train-labels-idx1-ubyte.gz (29 KB, 解压后 60 KB, 包含 60,000 个标签)

测试集：包含10000行的测试数据集

• Test set images: t10k-images-idx3-ubyte.gz (1.6 MB, 解压后 7.8 MB, 包含
  10,000 个样本)
• List item Test set labels: t10k-labels-idx1-ubyte.gz (5KB, 解压后 10 KB, 包含 10,000 个标签)

2）、每张图片包含28x28个像素，将这一个数组展成一个向量，长度是28x28=784.因此在MNIST训练数据集mnist.train.images是一个形状为[60000，784]的张量，第一个维度数字用来索引图片，第二个维度数字用来索引每张图片中的像素点。图片中的某个像素的强度值介于0-1之间。


3）、MNIST数据集的标签是介于0-9的数字，需要把标签转化成"one-hot vector"。一个one-hot向量除了某一位数字是1以外，其余的维度数字都为0，比如标签0将表示为