走进tensorflow第二步——MNIST手写数字分类问题（基础篇）

继续跟着官方文档走，可这次遇到的插曲有点多，整了一下午。之前用anaconda安装的tensorflow，用spyder运行时出现了意料之外的错误，查资料显示版本问题，各种更新，pip不好使，最后还是用conda安装的，有点凌乱，反正最后不知咋地就整好了，神奇。。

开始吧，大家可以参考官方文档，有略微修改：https://www.w3cschool.cn/tensorflow_python/tensorflow_python-c1ov28so.html

上述链接是w3school的，如果心里有坎也可以看官方的，一样的：http://www.tensorfly.cn/tfdoc/tutorials/mnist_beginners.html

当时读文档的时候发现了错误，提交笔记一直没通过，难道有啥黑幕。。大家可以注意一下那个softmax等式，很明显的错误，第二个图（矩阵格式）是对的。

ok，开始吧：

# -*- coding: utf-8 -*-

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('MNIST_data',one_hot=True)
x = tf.placeholder("float", [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x,W) + b)
y_ = tf.placeholder("float", [None,10])
cross_entropy = -tf.reduce_sum(y_*tf.log(y))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
for i in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

相比于源码做了以下修改：

1.由于文档给的自动下载MNIST数据集的代码链接一直打不开，只能去官网下了源码，格式有点新奇，这个可以去官网好好看一下，不过对本实验没啥影响，下载四个文件，不用解压，建议放到代码所属文件夹，我的是这个样子：

2.文档中给的是用tf.initialize_all_variables()来初始化，但这个已经废弃了，需要使用tf.global_variables_initializer()来替换掉之前的，当然你要是使用老版的也没问题，不过会有警告：

initialize_all_variables (from tensorflow.python.ops.variables) is deprecated and will be removed after 2017-03-02.
Instructions for updating:
Use `tf.global_variables_initializer` instead.

看下最后的效果：

这个准确率的确不怎么高，虽然已经90+了……接下来就搞一下卷积吧