tensorflow简单神经网络预测MNIST数据集

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf

file = "./MNIST"
mnist = input_data.read_data_sets(file, one_hot=True)

# 模型的输入和输出
'''模型的输入x是一个22维的浮点数张量。它的大小为shape=[None, 784]，
其中784是一张展平的MNIST图片的维度。None表示其值不固定。输出y_也
是一个22维张量，它的每一行都是一个10维的one-hot向量，用来表示对应的MNIST图片的类别。
'''
x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

# 模型的权重和偏移量
'''
y_和x分别表示上述模型的输入和输出。W是一个784∗10的矩阵，因为输入有784个特征，同时有10个输出值。
b是一个10维的向量，是因为输出有10个分类。'''
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))


with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    '''把向量化后的图片x和权重矩阵W相乘，加上偏移量b，然后计算每个分类的softmax概率值'''
    y = tf.nn.softmax(tf.matmul(x, W) + b)
    '''为训练指定损失函数，损失函数是用来评估模型一次预测的好