TensorBoard MNIST 网络结构

1.mnist简介

MNIST数据集是深度学习巨头-卷积网络之父Yann LeCun发布的一个供计算机视觉识别学习使用的手写数据识别的数据集。它包括60000个训练集和10000个测试集，每条数据（或者说每张图片）都是28x28x1类型，即图片的宽度为28，高度为28，通道数为1。且MNIST数据集已经把图片数据转换为标准的列表数据类型，如60000个训练集的数据格式是：[60000, 784]，表示有60000条数据，每条数据是784维(28x28=784)。
我把mnist数据集下载至网盘，方便下载

https://pan.baidu.com/s/1MBKxaG-L70jA5FeCYaUCkQ

提取码：kr8z

• t10k-images-idx3-ubyte.gz（测试集数据）
• t10k-labels-idx1-ubyte.gz（测试集标签）
• train-images-idx3-ubyte.gz（训练集数据）
• train-labels-idx1-ubyte.gz（训练集标签）

2.显示MNIST数据分类结构

这个过程中，我们是通过命名空间定义name_scope和参数命名定义实现

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

# 载入数据集
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)

# 批次大小
batch_size = 64
# 计算每个周期的批次大小
n_batch = mnist.train.num_examples // batch_size
print(n_batch)

with tf.name_scope('input'):
	#x是多少行数据，每行数据里面是784维度，x表示的是特征数据
    x = tf.placeholder(tf.float32, [