tensorflow自主学习入门-从零开始篇（二）tensorflow手写数字识别

距离上一次写tensorflow学习笔记已经有一段的时间了，原因不是期间中断了学习，而是tensorflow的学习曲线说实话还是相对陡峭的，如果没有对框架有自己个人的部分理解，难以输出有用的学习笔记（对其他学习者和自己）。但是这一期间我还是更新了几篇在学习tensorlfow以及它对应的可视化遇到的一些问题，以及对应的解决方案。具体可以看看我的其他文章，相信这也是这些问题的最新解决方案，对你或许有所帮助。

---

本文我将分享tensorflow最入门的mnist数据集的应用：手写数字的识别。这一部分我是将相关的知识都学习以后才分享的，但是这一次只是分享最简单的系统识别方案，所谓简单，就是实现的系统最后的准确率为92%，不带可视化，实战中少量的知识方便理解。

---

本文将分为这几个部分：

1. 数据部分
2. 代码部分（附有详细解释）
3. 你需要做到的部分

---

一 、数据部分

先来介绍我们使用的MNIST数据集(当然数据不需要你理解，甚至不用管它，你只先需要知道有这样的一回事)：
MNIST数据集是NIST数据集的子集，包含下面的四个文件：

1. train-labels-idx1-ubyte.gz ：训练集标记文件
2. train-images-idx3-ubyte.gz：训练集图片文件
3. t10k-labels-idx1-ubyte.gz :测试集标记文件
4. t10k-images-idx3-ubyte.gz ：测试集图片文件

可以看到，整个MNIST数据分为两部分：训练集与测试集
字面意思理解就是：用于训练模型的数据与用于测试模型的数据。

这一部分你需要理解的是：

• 每张图片是28x28像素的格式，可以理解为一张28x28的二维表，每一个像素由0-1的数字组成来说明它的颜色深浅（图片为黑白）也就是说，每一张图片表示为数据的形式: 一维：784 , 二维28x28

理解了它是什么，并不代表理解了它为什么是这样，