TensorFlow学习笔记（八）--MNIST初步（1）

 当我们开始编程的时候，做的第一件事往往是在屏幕上打印“Hello World”。就像编程入门有Hello World，

机器学习入门有MNIST。MNIST是一个入门级的计算机视觉数据集，它包含各种手写的数字图片：

 它也包含每一张图片对应的标签，告诉我们这个是数字几。正如这张图片的标签分别为5，0，4，1。

 我们将训练一个机器学习模型用于预测图片里面的数字，在此之前，这里会从简单的数学模型开始，这个模型叫

 做SoftmaxRegression。然后进一步熟悉加深TensorFlow的使用。

 MNIST数据集获取可以在这里下载。下载完以后，数据集被分成两个部分：60000行的训练数据集（mnist.train）

和10000行的测试数据集（mnist.test），这样的分类很重要，在机器学习模型设计时必须有一个单独的测试数

 据集不用于训练而是用来评估这个模型的性能，从而更加容易把设计的模型推广到其他数据集上（泛化）。

一如前面所说，每一个MNIST数据单元有两部分组成：一张包含手写数字的图片和一个对应的标签。我们把这些

图片设为“xs”，把这些标签设为“ys”。训练数据集和测试数据集都包含xs和ys，比如训练数据集的图片是

 mnist.train.images，训练数据集的标签是mnist.train.labels。

 每一张图片包含28X28个像素点。我们可以用一个数字数组来表示这张图片：

我们把这个数组展开成一个向量，长度是28X28=784.。如何展开这个数组（数字键的顺序）不重要，只要保持

图片采用相同的方式展开。从这个角度来看，MNIST数据集的图片就是在784维向量空间里面的点，并且拥有比

较复杂的结构（注意此类数据的可视化是计算密集型的）。

展平图片的数字数组会丢失图片的二维结构信息。这显然是不理想，最优秀的计算机视觉方法会挖掘利用这些结

构信息，我们会在后续的学习中深入研究。但是现在在这里我们忽略这些结构，所介绍的简单数学模型，

softmax回归不会利用这些结构信息。

来自极客学院TensorFlow中文文档

 未完待续