深度学习入门：Tensorflow实战Digit Recognizer

Tensorflow是当前GitHub上最活跃的机器学习项目，本文是Tensorflow实战Digit Recognizer系列文章的第一篇，介绍如何在MNIST数据集上快速跑出一个模型。

我们在学习一门新的编程语言的时候，第一个项目都是“Hello word”。MNIST在图像识别领域的地位正如“Hello world”在程序员心中的地位，本文将手把手教会大家利用Tensorflow实现一个简单的Softmax回归模型，快速完成Kaggle的入门赛Digit Recognizer。

1.前言

1.1 Digit Recognizer竞赛

Digit Recognizer竞赛是Kaggle平台举办的新手入门级别的比赛，帮助我们快速入门计算机视觉（CV，Computer Vision）。
比赛用MNIST数据集，MNIST (“Modified National Institute of Standards and Technology”) 是计算机视觉领域非常著名的数据集，收集了大量的手写数字，参赛者选手需要通过机器学习算法来识别手写数字图片，包括0~9一共10个数字。

1.2 Tensorflow简介

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。Google在2015年将Tensorflow开源后，收到业界的追捧而成为当前最为流行的深度学习库。

Tensorflow的安装请参考另外一篇文章：深度学习环境搭建。

2.Competition

2.1 数据预处理

正则化
像素点用0~255的数字来表示，为了提高神经网络的优化SGD的准确性，对数据进行正则化处理。</