MNIST手写体识别（Tensorflow）

一、Tensorflow配置与安装

Python3.6.2 + Anaconda （conda 4.3.27）+ tensorflow-gpu1.8.0下测试通过

1.首先要安装CUDA，我安装的是CUDA9.0
安装完之后在命令行输入可以查看是否安装成功以及版本：

 nvcc -V

2.其次是安装Anaconda
我是选择用Anaconda安装tensorflow，方便管理各种环境。（还有pip直接安装tensorflow库的办法，但是由于我的python2和python3的环境有点冲突，当时没有弄好，现在发现原来是我在给3版本的python重命名为python3的时候，只修改了名字没有修改里面的文件埋下了隐患，详情见这篇文章：两个版本的python，现在是解决了，这里还是选择用Anaconda安装tensorflow）
在 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 寻找你与你电脑系统对应的版本。下载对应安装包，按提示安装，查看版本查看是否安装成功：

conda --version

在Anaconda里建立TensorFlow的环境：

conda create -n tensorflow Python=3.6

激活TensorFlow环境：

activate TensorFlow

关闭环境：

deactivate

3.安装TensorFlow

pip install --upgrade --ignore-installed tensorflow-gpu

安装TensorFlow指定版本

pip3 install --upgrade tensorflow_gpu

（我是pip3，因为用python3安装的气自己修改了名字）
简单测试：
在TensorFlow环境里打开Python：

import tensorflow as tf
hello = tf.constant("Hello!TensorFlow")
sess = tf.Session()
print(sess.run(hello))

可以运行就说明安装成功了，或者也可以通过查看tensorflow版本查看是否安装成功。

具体有啥问题可以参考官网：
http://www.tensorfly.cn/tfdoc/get_started/os_setup.html
有一个GPU的检测

二、卷积神经网络ConvNet

背景：如果采用全连接结构，存在参数爆炸问题。如对1000 * 1000 的图像进行卷积，大约需要1000 * 1000 * 1000 * 1000个参数。 利用局部卷积替换全连接结构，可将参数降低至1000 * 1000 * 10 * 10 ≈ 100M。如果进一步采用权值共享的策略，即同一特征图卷积核、 Bias相同，将卷积参数将至10*10。为尽可能地保存信息，可 设计多个卷积特征图，将参数将至10K。

在卷积网络（ConvNet）中，基本上有三种类型的层：

1.卷积层（Convolution layer）
2.Pooling层（Pooling layer）
3.全连接层（Fully connected layer）

1.卷积层（Padding）

卷积层是为了增加特征图，每进行一次卷积操作就会多输出一张图像。
用3×3滤波器对6×6维的输入进行卷积，得到4×4输出。我们可以推广它并说如果输入是n X n并且滤波器大小是f X f，那么输出大小将是
$（n-$