TensorFlow学习笔记（三）MNIST数字识别问题

一、MNSIT数据处理

MNSIT是一个非常有名的手写体数字识别数据集。包含60000张训练图片，10000张测试图片。每张图片是28X28的数字。

TonserFlow提供了一个类来处理　　MNSIT数据。这个类会自动下载并转化数据结构。

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist_data = input_data.read_data_sets("mnist_set",one_hot=True)
# print training data size
print("training_data_size",mnist_data.train.num_examples)
# print validation data size
print("validating_data_size",mnist_data.validation.num_examples)
#print testing data size
print("testing data size",mnist_data.test.num_examples)
print("example train image :",mnist_data.train.images[0])
print("example train label :",mnist_data.train.labels[0])

为了方便使用随机梯度下降，

input_data.read_data_sets还提供train.next_batch函数

batch_size = 100
train_x ,train_y = mnist_data.train.next_batch(batch_size)
print("X_shape",train_x.shape)
print("Y_shape",train_y.shape)

##
#X_shape (100, 784)
#Y_shape (100, 10)

二、神经网络模型训练及不同模型效果的对比

1.TF训练神经网络