Tensorflow实现DNN，手写数字识别

机器学习入门的时候，看吴恩达的视频，会有一个手写数字识别的作业，当时是用octave实现了核心的部分，之后了解了tensorflow，发现实现一个手写数字识别系统简直不要太简单，当时看的是这篇博客 ，清晰易懂。在此自己理清一下思路。注：代码参考这个博客

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("G:/tensorflow/data", one_hot=True)

这两句是直接使用tensorflow中的模块，input_data 直接导入数据到项目中，第一个参数给定下载数据到目标目录，one_hot参数指将数据转成one_hot形式，如手写数字是0-9，若为0 ，则转为10维数据[1,0,0,0,0,0,0,0,0,0]。

import tensorflow as tf
learning_rate = 0.001
train_epochs = 20
batch_size = 64

要使用tensorflow, 首先要引入它，然后应该初始化一个图，但是tensorflow中会默认一个图graph，所以可以跳过。此处设置学习速率为0.001，即模型优化时，采用的梯度下降方法，以0.001的学习速率向最优点逼近。train_epochs是指训练的轮数，每次训练选取batch_size组数据，每轮可以训练 mnist.train.num_examples / batch_size次。所以这是一个随机梯度下降(SGD)。

n_input = 784
n_hidden1 = 100
n_hidden2 = 100
n_classes