深度学习笔记二基于tensorflow的MNIST学习

由于昨天看了TensorFlow的基础模型，遇到了mnist数据库的问题，今天先阅读材料，学习一下。

1.MNIST数据库是一个手写数字的数据库，它提供了六万的训练集和一万的测试集

2.它的图片是被规范处理过的，是一张被放在中间部位的28px*28px（28*28个像素点）的灰度图

3.每张图片都带有一个标签，例如这张图片是1，他的标签就是1，标签不是用数字表示，而是用标签表示，例如1表示成[0,1,0,0,0,0,0,0,0,0],；  0表示成[1,0,0,0,0,0,0,0,0,0], 9应该表示成[0,0,0,0,0,0,0,0,0,1],了吧

4、读取mnist数据后，如何识别图片呢？首先将图片转换为28×28且文字居中的灰度图（白色0,黑色1）

然后将将28*28的矩阵转换成1维矩阵（也就是把第2,3,4,5....行矩阵纷纷接入到第一行的后面）；

用一个1*10的向量代表标签，也就是这个数字到底是几，举个例子数字1对应的矩阵就是[0,1,0,0,0,0,0,0,0,0]

最后就开始通过softmax回归预测图片是哪个数字的概率

5.输入

6.预期输出：

mnist自身带有函数next_batch，返回值就是下一批的数据与标签，如果使用自定义数据集，可能需要重新写该类以及里面的函数，而不是直接按照其格式修改占位符那么简单