【TensorFlow】线性加权法-mnist手写体识别实践 笔记

〇、前情提要

在b站跟着up主 白手起家的百万富翁 学mnist手写体识别实践。
参考：

1. 【mnist手写体识别实践】想知道手写体识别如何做吗？跟美女算法专家一起了解mnist数据集 并用python实践手写体识别吧
   https://www.bilibili.com/video/BV1YJ41137jy/?spm_id_from=333.788.videocard.0
2. minist数据集 - THE MNIST DATABASE of handwritten digits
   http://yann.lecun.com/exdb/mnist/
3. 我的笔记- 【TensorFlow】mac下出现from tensorflow.examples.tutorial.mnist import input_data无法导入
   https://blog.csdn.net/weixin_43210113/article/details/107671454
4. 我的笔记-【TensorFlow】解决AttributeError: module ‘scipy.misc‘ has no attribute ‘toimage‘问题
   https://blog.csdn.net/weixin_43210113/article/details/107673559
5. AttributeError: module ‘tensorflow’ has no attribute 'placeholder’等问题的解决
   https://blog.csdn.net/flowingfog/article/details/93597697?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param

---

一、写在前面

up的简介

之前一直讲算法理论，本期视频带大家用python动手实践mnist数据集，简单了解mnist数据集并进行手写体识别实践，希望可以让大家从最简单的入门，慢慢进入人工智能领域，我的初衷就是希望能帮助想进入人工智能领域的朋友快速了解AI，我所有视频的ppt都会发在专栏里，如果大家喜欢，请关注我，并点赞转发弹幕评论投币哦~ 如果非常喜欢我的话，请给我充电哦~我会一直更新的，你们的支持是我最大的动力

其他

目前做机器学习python，深度学习TensorFlow、Keras，用的softmax函数，一层神经网络的形式。

准备工作

下载

• train-images-idx3-ubyte.gz: training set images (9912422 bytes)
• train-labels-idx1-ubyte.gz: training set labels (28881 bytes)
• t10k-images-idx3-ubyte.gz: test set images (1648877 bytes)
• t10k-labels-idx1-ubyte.gz: test set labels (4542 bytes)

---

二、读入数据集并查看格式

一些提示

如果无法导入from tensorflow.examples.tutorials.mnist import input_data，可以看我写的笔记：

我的笔记- 【TensorFlow】mac下出现from tensorflow.examples.tutorial.mnist import input_data无法导入
https://blog.csdn.net/weixin_43210113/article/details/107671454

one_hot
one_hot是分类问题必用的一种手段
数字一共10类，就把
0转成（1，0，0，0，0，0，0，0，0，0），
1转成（0，1，0，0，0，0，0，0，0，0），
2转成（0，0，1，0，0，0，0，0，0，0），
…
这样可以匹配最后softmax层维数

下载数据集

# 如果tensorflow版本为1用第一种 版本为2用第二种
import tensorflow as tf
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
# 使用mnist数据集，要引用读取方式
from tensorflow.examples.tutorials.mnist import input_data
# from tensorflow.contrib.learn.python.learn.datasets.mnist import read_da