TensorFlow实战笔记之（1）：Softmax Regression 实现手写数字识别

基于MNIST数据集的手写数字识别可以看作是机器学习领域的 “Hello World” 任务。

MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片及对应的标签，图片的大小为28×28，且只包含灰度值信息：

TensorFlow的一些入门知识主要参考了黄文坚所著的那本《TensorFlow实战》以及TensorFlow中文社区，里面已经将的非常详细了，所以就不再赘述。

Softmax Regression 是一个基本的多分类模型，我们用它对手写数字进行分类。当单纯地只使用Softmax Regression时，可以看作是一个没有隐含层的最浅的神经网络。

使用TensorFlow进行Softmax Regression分类的流程为：

1. 定义算法公式，也就是神经网络forward时的计算。
2. 定义loss，选定优化器，并指定优化器优化loss。
3. 迭代地对数据进行训练。
4. 在测试集或验证集上对准确率进行评测。

程序运行版本为：python-->3.7.3，tensorflow-->1.13.1

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

# move warning
import os