tensorflow自主学习入门-从零开始篇（三）tensorflow手写数字识别加入隐藏层提高准确率

上一篇文章完成了简陋版的tensorflow手写数字实现（tensorflow自主学习入门-从零开始篇（二）tensorflow手写数字识别），虽然简陋，但是总的能从中学到一些东西，现在又赶紧将自己前一段时间学习到的关于tensorflow手写数字的东西记录分享出来，以防遗忘。

当然，很大可能你看完上面的一篇文章还是不知所云晕头转向，没关系，接着看下去，这是必须要经过的阶段。当然，开始之前建议你在手机上设置一个30min的闹铃然后全神投入阅读这篇文章之中，相信对你会很有帮助。

---

本文我将在上一篇文章实现的基础之上对它进行改进，如果你成功的让上一篇的代码在你的机器上跑了起来，你就会发现，无论你怎样设置你的迭代次数，最后的Testing Accuracy(测试准确率)几乎不会超过93%，这也是简单模型的局限所在，本文我将进一步的优化它的代码以将其准确率提高至95%，但是重要的是借由优化代码我所想要表达与解释的东西。

将实现准确率提高的方法先提出来：在代码中加入隐藏层（关于隐藏层的定义目前知道即可）

---

为了兼顾文章的条理性与易于易理解性，不同于上一篇文章，本文将会分为两个部分，所以希望大家可以在阅读时将思路也分为这两部分作为参考：

1. 代码部分 相比上篇文章的修改部分
2. 你需要知道、理解的部分，以及建议你必须完成的部分
3. 代码汇总

---

一 、代码部分

经过思考最终决定本文的代码部分将被放置于第一部分，因为想要通过本文学习到东西，绝对需要对比上一篇文章的代码与本文代码的异同，甚至如果有必要可以逐行分析，这一点非常重要。

---

加载MNIST数据，导入所需模块

不同于上一篇文章，你会发现本次额外导入 time 模块，它将被用于记录我们模型训练最终所用时间，为了方便以后不同策略方法之间的对比，time模块将会是标配。

本代码其余部分无变化

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
import time#用于获取迭代运行时间，比较不同方案
#加载数据
mnist  = input_data.read_data_sets("MNIST_data",one_hot=Tr