Tensorflow初学值MINIST数据

本人是在anaconda下的tensorflow中做的实验：

在写代码时（.py脚本）应该写成:

#!/home/zzm/usr/anaconda2/envs/tf-py2/bin/python
# -*- encoding:UTF-8 -*-

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

开始时直接写成：

#!/home/zzm/usr/anaconda2/bin/python

出现错误：ImportError: No module named tensorflow.examples.tutorials.mnist

可以用命令查看python是在哪个环境下的：

# witch python
/home/zzm/usr/anaconda2/envs/tf-py2/bin/python

可见在tf-py2这个环境下，该目录“/home/zzm/usr/anaconda2/envs/tf-py2/bin/python”下的python可用，而“/home/zzm/usr/anaconda2/bin/python”是全局环境下可用的python，因此要区分开来。

为了用 python 实现高效的数值计算，我们通常会使用函数库，比如 NumPy，会把类似矩阵乘法这样的复杂运算使用其他外部语言实现。不幸的是，从外部计算切换回 Python 的每一个操作，仍然是一个很大的开销。如果你用 GPU 来进行外部计算，这样的开销会更大。用分布式的计算方式，也会花费更多的资源用来传输数据。

TensorFlow 也把复杂的计算放在 python 之外完成，但是为了避免前面说的那些开销，它做了进一步完善。Tensorflow 不单独地运行单一的复杂计算，而是让我们可以先用图描述一系列可交互的计算操作，然后全部一起在 Python 之外运行。（这样类似的运行方式，可以在不少的机器学习库中看到。）

小知识：
用argparse模块让python脚本接收参数时，对于True/False类型的参数，向add_argument方法中加入参数action=’store_true’/’store_false’。
顾名思义，store_true就代表着一旦有这个参数，做出动作“将其值标为True”，也就是没有时，默认状态下其值为False。反之亦然，store_false也就是默认为True，一旦命令中有此参数，其值则变为False。在使用参数时，直接加入该参数，并不需要对该参数赋值。