Tensorflow学习之minist

本文完全基于tensorflow中文社区，作为自己机器学习和tensorflow学习的入门。

初始准备：

下载tensorflow官方社区要求的minst数据集，很简单，只有四个，解压之后放入文件夹。

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt
# MNIST_data 代表当前程序文件所在的目录中，用于存放MNIST数据的文件夹，如果没有则新建，然后下载．
mnist = input_data.read_data_sets(r"C:\Users\admin\Desktop\MNIST_data",one_hot=True)
#获取第二张图片
x = tf.placeholder("float", [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x,W) + b)
#个人理解，softmax是为了加大预测指标结果和其他错误结果的差距，使对的更对，错的更错
y_ = tf.placeholder("float", [None,10])
cross_entropy = -tf.reduce_sum(y_*tf.log(y))  #这是损失函数
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
#这是学习过程，0.01是学习速率，利用梯度下降算法和反向传播算法不断