Tensorflow初探之MNIST数据集学习

官方文档传送门

MNIST数据集是手写数字0~9的数据集，一般被用作机器学习领域的测试，相当于HelloWorld级别。

本程序先从网上导入数据，再利用最小梯度法进行训练使得样本交叉熵最小，最后给出训练之后程序的准确率。

交叉熵的定义：

y 是我们预测的概率分布, y' 是实际的分布。

该指标用来衡量学习结果与实际情况的差距。

import tensorflow.examples.tutorials.mnist.input_data as input_data
import tensorflow as tf
#initialize
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.soft