TensorFlow官方mnist数据教程整理

此代码全部来自TensorFlow官网，链接为http://www.tensorfly.cn/tfdoc/api_docs/SOURCE/tutorials/mnist_beginners.html

	#导入官方的源码下载mnist数据
	import tensorflow.examples.tutorials.mnist.input_data as input_data
	# 导入数据，里面的压缩文件不要解压
	mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
	#设置输入占位符，即预先申请空间，此时没有把mnist数据赋值给x操作
	x = tf.placeholder(tf.float32, [None, 784])
	#初始化权重和偏执项，Variable语法代表w和b是可修改的张量
	W = tf.Variable(tf.zeros([784,10]))
	b = tf.Variable(tf.zeros([10]))
	#网络输出y，使用softmax转化为概率进行分类，tf.matmul代表矩阵相乘
	y = tf.nn.softmax(tf.matmul(x,W) + b)
	#y_是实际输出，即标签输出
	y_ = tf.placeholder("float", [None,10])
	#损失函数，交叉熵
	cross_entropy = -tf.reduce_sum(y_*tf.log(y))
	#选择梯度下降算法，并设置学习率以及最小化误差函数（这里是交叉熵）
	train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
	#初始化所有的变量
	init = tf.initialize_all_variables()
	#创建一个会话，即将开始执行TensorFlow模型
	sess = tf.Session()
	sess.run(init)
	#训练，
	for i in range(1000):
	  #TensorFlow里mnist的内置函数，代表随机选取一个批次，批次大小自己设置，这里指100
	  batch_xs, batch_ys = mnist.train.next_batch(100)
	  #执行，并赋值给 x 以及 y_ 
	  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
	#评估自己的模型
	#判断两个值是否相等，相等的返回true，否则false
	correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
	#bool转化为float类型，tf.reduce_mean是求平均指
	accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
	#最后，输出测试集上的准确率
	print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))