輸入TFとしてtensorflow から tensorflow.examples.tutorials.mnist 輸入INPUT_DATA ＃载入数据集 mnist = input_data.read_data_sets（" F：\\ TensorflowProject \\ MNIST_data "、one_hot = 真） ＃各バッチのサイズ、トレーニングにニューラルネットワーク100を訓練 BATCH_SIZE = 100 ＃計算のバッチの合計数 n_batch = mnist.train.num_examples // BATCH_SIZE ＃2のプレースホルダを定義 X = tf.placeholderを（tf.float32、[なし]、[784 ]） ＃0-9 ten- Y = tf.placeholder（tf.float32、[なし]、[10 ]） ＃ニューラルネットワークを作成 W = tf.Variable（tf.zeros（[784,10 ]）） B = tf.Variable（tf.zeros（[10 ]）） 予測 = tf.nn.softmax（tf.matmul（X、W）+ B） ＃二次コスト関数 ＃の損失= tf.reduce_mean（tf.square（Y予測）） ＃交差エントロピーコスト関数 損失= tf.reduce_mean（tf.nn.softmax_cross_entropy_with_logits（= Yラベル、logits = 予測）） ＃勾配降下法 ＃train_step = tf.train.GradientDescentOptimizer（0.2）.minimize（損失） train_step tf.train.AdamOptimizer =（0.01）.minimize（損失）＃1 1E-2 ＃は、変数初期化 INIT = tf.global_variables_initializer（） ＃の結果を格納しますブールリスト内 correct_prediction = tf.equal（tf.argmax（Y ,. 1）、tf.argmax（予測,. 1 ）） ＃必要な精度 精度= tf.reduce_mean（tf.cast（correct_prediction、tf.float32） ）SESのようtf.Session（）を持ちます： sess.run（INIT） 以下のためのエポックにおける範囲（21 ） のためのバッチにおける範囲（n_batch）： batch_xs、batch_ys = mnist.train.next_batch（BATCH_SIZE） sess.run（train_step、feed_dict = {X：batch_xs、Y：batch_ys}） ＃测试准确率 ACC = sess.run（精度、feed_dict = {X：mnist.test.images、Y：mnist.test.labels}） プリント（" イーター：" + STR（エポック）+ " テスト精度" + STR（ACC））
###########実行結果
抽出F：\ TensorflowProject \ MNIST_data \列車画像-IDX3-ubyte.gz 抽出F：\ TensorflowProject \ MNIST_data \列車のラベル-IDX1-ubyte.gz 抽出F：\ TensorflowProject \ MNIST_data \ t10k-画像-IDX3-ubyte.gz 抽出F：\ TensorflowProject \ MNIST_data \ t10k-ラベル-IDX1-ubyte.gz ITER：0、テストの精度0.9221 ITER：1、テストの精度0.9133 ITER：2、テストの精度0.9271 ITER：3、テストの精度0.9262 ITER：4、テストの精度0.9299 ITER：5、テストの精度0.9293 ITER：6、テストの精度0.9301 ITER：7、テストの精度0.9299 ITER：8、検査精度0.9287 ITER：9、テストの精度0.9319 ITER：10、検査精度0.9317 ITER：11、テスト精度0.9315 ITER：12、テストの精度0.9307 ITER：13、テストの精度0.932 ITER：14、テストの精度0.9314 ITER：15、テストの精度0.9316 ITER：16、テストの精度0.9311 ITER：17、テストの精度0.9333 ITER：18、テストの精度0.9318 ITER：19、テストの精度0.9318 ITER：20、テストの精度0.9289