第一阶段-入门详细图文讲解tensorflow1.4 -（六）tensorflow运行机制MNIST

本篇blog目的：展示如何使用tensorflow训练和评估一个简单的前馈神经网络。a simple feed-forward neural network 。面向一些有经验的机器学习人员。

使用的两个文件。

准备数据

1，使用MNIST的数据。
2，我们适应额外的两个占位符tf.placeholder。

images_placeholder = tf.placeholder(tf.float32, shape=(batch_size,
                                                       mnist.IMAGE_PIXELS))
labels_placeholder = tf.placeholder(tf.int32, shape=(batch_size))

一，构建图

通过使用mnist.py文件，我们有三段式的过程去创建一张图。inference(), loss(), and training()
1，inference()根据需要构建图，以便向前运行网络。
2，loss() 添加图所需要的损失操作。
3，training() 向损失图中，添加梯度计算的操作。

1，inference()

with tf.name_scope('hidden1'):

在每一层中，添加作用域，作用就是将每一层分开，方便参数命名，例如hidden1/weights，表示层下的参数。

weights = tf.Variable(
    tf.truncated_normal([IMAGE_PIXELS, hidden1_units],
                        stddev=1.0 / math.sqrt(