手写数字图片识别笔记

理解手写数字图片Minst数据集的组成结构，即由测试集，验证集、训练集组成，可以说训练神经网络数据集的组成工作都是由这三部分组成的。
Minst数据集构成：
测试集：5000张图片，每张图片都是由784列数字组成。即在内存中表现的是5000行784列的张量数据。
验证集：10000张图片，10000行784列
训练集：50000张图片，50000行784列
读取数据集操作是由mnist = input_data.read_data_sets(“MNIST_data/”, one_hot=True)这行代码完成的，其实这行代码有两个意思，一个是把所有图片读入进内存，另外一个把图片对应的标签即这个图片是数字几按照one_hot编码的方式读进内存，这点在初识MNIST数据集的视频中没有讲明白，我是看了后续的视频才搞明白的。

Minst分类视频理解：

视频中主要讲解代码，但其实思路和线性回归是一致的。
1：准备数据就是mnist = input_data.read_data_sets(“MNIST_data/”, one_hot=True)这行代码。仔细想想这是tensorflow为我们准备好的数据，如果是自已要去准备这些数据，这个工作量应该不小。
2：搭建模型就是正向传播和反向传播的过程具体代码如下：
#搭建模型
x = tf.placeholder(tf.float32, [None, 784]) # mnist data维度 2828=784
y = tf.placeho