MNIST数据集训练（1）98.5%

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/hds/books/studybook/workspace/MNIST_data", one_hot=True)

batch_size = 100                # 设置每一轮训练的batch大小
learning_rate = 0.8             # 学习率
learning_rate_decay = 0.999     # 学习率的衰减
max_steps = 30000               # 最大训练步数

# 定义存储训练轮数的变量，在使用Tensorflow训练神经网络时，
# 一般会将代表训练轮数的变量通过trainable参数设置为不可训练的
training_step = tf.Variable(0, trainable=False)


# 定义得到隐藏层和输出层的前向传播计算方式，激活函数使用relu()
def hidden_layer(input_tensor, weights1, biases1, weights2, biases2, layer_name):
    layer1 = tf.nn.relu(tf.matmul(input_tensor, weights1)+biases1)
    return tf.matmul(layer1, weights2)+biases2


x = tf.placeholder(tf.float32, [None, 784], name="x-input")   # INPUT_NODE=784
y_ = tf.placeholder(tf.float32, [None, 10], name="y-output")