TensorFlow在MNIST中的应用 识别手写数字（OpenCV+TensorFlow+CNN）

参考：

1.《TensorFlow技术解析与实战》

2. http://blog.csdn.net/sparta_117/article/details/66965760

3. http://blog.csdn.net/HelloZEX/article/details/78537213

4. http://blog.csdn.net/gaohuazhao/article/details/72886450

5.http://blog.csdn.net/skeeee/article/details/16844937

###################################################

学习TF已经有一段时间了 ，《TensorFlow技术解析与实战》介绍的TF也还算详尽，参考众多大牛博客后，就跟着实现一遍识别自己手写数字的识别程序好了。学习过程就是在模仿中提高的嘛。手写原图：

内容如下： 
- Tensorflow和MNIST简介 
- CNN算法 
- 训练程序 
- 写数字，并用Opencv进行预处理 
- 将图片输入网络进行识别

################################################

Tensorflow和MNIST简介：
TensorFlow™ 是一个采用数据流图，用于数值计算的开源软件库。它是一个不严格的“神经网络”库，可以利用它提供的模块搭建大多数类型的神经网络。它可以基于ＣＰＵ或ＧＰＵ运行，可以自动使用ＧＰＵ，无需编写分配程序。主要支持Python编写，但是官方说也有C++使用界面。MNIST是一个巨大的手写数字数据集，被广泛应用于机器学习识别领域。MNIST有60000张训练集数据和10000张测试集数据，每一个训练元素都是28*28像素的手写数字图片。作为一个常见的数据集，MNIST经常被用来测试神经网络，也是比较基本的应用。

CNN卷积神经网络：
识别算法主要使用的是卷积神经网络算法（CNN）。 

主要结构为：输入-卷积层-池化层-卷积层-池化层-全连接层-输出。

卷积 
卷积其实可以看做是提取特征的过程。