TENSORFLOW官方文档-MNIST机器学习入门-数据集准备

1.导入数据集

import tensorflow.examples.tutorials.mnist.input_data

mnist = tensorflow.exampes.tutorials.mnist.input_data.read_data_sets

(“MNIST_data/”, one_hot=True)

此处第一步import的tensor必须和下一行使用的tensor保持一致，否则会报错。

注释：

1.数据集mnist.train.images：共有60000行测试数据，每个数据为28*28像素的图片，将每张图片以向量的形式展开（展开方式不重要，只需保证每张图片按相同方式展开），即一张图片为1*784的向量。故数据集为60000*784的向量。

2.数据集的标签mnist.train.labels：用来描述图片中的数字。为60000*10的向量。数字n将表示成一个只有在第n维度（从0开始）数字为10维向量。比如，标签3将表示成([0,0,0,1,0,0,0,0,0,0,0])。

2.softmax回归模型：用来给不同的对象分配概率

y=softmax(Wx+b)

(1).对图片像素值进行加权求和。如果这个像素具有很强的证据说明这张图片不属于该类，那么相应的权值为负数，相反如果这个像素拥有有利的证据支持这张图片属于这个类，那么权值是正数。



(2).正则化。