笔记：TensorFlow实现机器学习算法的步骤

核心步骤：

（1）定义算法公式，也就是神经网络前向运行时的计算；

（2）定义loss，选定optimizer，使用优化器优化loss；

比如采用cross_entropy来计算loss，优化器用随机梯度下降：

cross_entropy = tf.reduce_mean(-tf.reduce_sum(ys * tf.log(prediction),
                                              reduction_indices=[1]))       

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

（3）开启迭代的数据训练操作

比如写个for循环，分批次将训练数据灌入。参见下文代码49~55行。

（4）计算准确率，做出评测。

比如下文例子中，我们定义了def compute_accuracy(v_xs, v_ys)。

【例】TensorFlow实现手写数字识别

自己编写的代码，亲测可以运行（2018年10月10日,python3.6+tensorflow），其中写了详尽的注释帮助理解。

网络上关于这个话题有很多博文了，但有些博文中代码可能跑不通，或也是参考《TensorF