TensorFlow学习笔记（四）：Tensorflow网络构建和TensorBoard进行训练过程可视化

用了Anaconda安装了一个tensorflow运行环境以后，终于发现各种操作顺手了一些。但发现运行了一系列的Tutorial运行后，如何组织一个Tensorflow的应用却仍然不是很明确。下面就从python小白的方面理解一下mnist_with_summaries.py这个文件。

0. 相关信息

• Tensorflow版本：r0.10.0
• Github地址(fork from yhlleo/mnist)：https://github.com/nxcxl88/mnist/tree/r0.10.0-patch-1
• MNIST数据相关问题：MNIST数据应该从http://yann.lecun.com/exdb/mnist/下载，即文章给出的四个压缩文件，然后在mnist_with_summaries.py内建立一个文件夹（名称：Mnist_data），把这些压缩文件放进去，mnist_with_summaries.py会调用input_data.py（注意本文章给出的Github文件是yhllleo改动的版本），可以直接处理这些压缩包。

1. mnist_with_summaries.py

这个文件的基本功能还是处理mnist数据集，但是与mnist_softmax.py不同，mnist_with_summaries.py有两层神经网络并且加入的dropout机制，所以准确率和收敛速度相比softmax要高。下图是该文件的计算graph，不是很清晰，不过可以在Tensorboard中看到（后面会具体