TensorFlow入门教程（四）：MNIST手写数字识别简单版

一、  MNIST数据集简介

   MNIST数据集官网：http://yann.lecun.com/exdb/mnist/

• 下载下来的数据集被分成训练数据和测试数据两部分，其中训练数据有60000个，测试数据有10000个
• 每一张图片包含28*28个像素，我们把这一个数组展开成一个向量,长度是28*28=784。因此在MNIST训练数据集中mnist.train.images是一个形状为 [60000，784]的张量，第一个维度数字用来索引图片，第二个维度数字用来索引每张图片中的像素点。图片里的某个像素的强度值介于0-1之间。

• MNIST数据集的标签是介于0-9的数字，我们要把标签转化为"one-hot vectors"。一个one-hot向量除了某一位数字是1以外,其余维度数字都是0，比如标签0将表示为([1,0,0,0,0,0,0,0,0,0])，标签3将表示为([0,0,0,1,0,0,0,0,0,0])。因此，mnist.train.labels 是一个[60000, 10]的数字矩阵。

二、  神经网络构建

由于每张图片的像素个数为784，所以，输入层为784，先设计一个一层网络，0-9共有10个分类，所以，输出层有10个神经元，网络结构如下：