MNIST手写识别进阶，使用有一层隐含层的全连接神经网络

https://blog.csdn.net/qq_36936510/article/details/85242665
在上文的基础上，增加了一层隐含层，以及使用了Dropout、Adagrad、ReLU等方法，将MNIST手写识别的准确率提升到了98%。

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

#导入数据集，数据集中有55000个训练集样本，10000个测试集样本，5000个验证集样本
mnist = input_data.read_data_sets('F:/tensorflow_code/MNIST_data/',one_hot=True)
#创建会话
sess = tf.InteractiveSession()
#输入数据维度
in_units = 784
#隐含层的输出节点数（200-1000差距不大）
h1_units = 300
#隐含层权重，初始化为截断的正态分布，标准差为0.1
W1 = tf.Variable(tf.truncated_normal([in_units, h1_units], stddev=0.1))
#隐含层偏置，初始化为0
b1 = tf.Variable(tf.zeros([h1_units]))
#输出层权重，初始化为0
W2 = tf.Variable(tf.zeros([h1_units,10]))
#输出层偏置，初始化为0
b2 = tf.Variable(tf.zeros([10]))
#定义输入x
x