1.載入TensorFlow庫
import tensorflow as tf //as tf 意思是重命名為tf
2.創(chuàng)建新的InteractiveSession碗誉，使新創(chuàng)建的session注冊(cè)為默認(rèn)的session稠炬，之后的運(yùn)算默認(rèn)跑在這個(gè)session里面，不同session之間的數(shù)據(jù)和運(yùn)算都是相互獨(dú)立的
sess = tf.InteractiveSession()
3.創(chuàng)建一個(gè)Placeholder用戶輸入數(shù)據(jù)
x = tf.placeholder(tf.float32,[None,784])
第一個(gè)參數(shù)是數(shù)據(jù)類型磷蛹，第二個(gè)參數(shù)代表tensor的數(shù)據(jù)尺寸。其中的None代表輸入的條數(shù)不限，784代表每條輸入是一個(gè)784維的向量忙灼。
4.給模型中的weights和biases創(chuàng)建Variable對(duì)象
w = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
參數(shù)是什么意思？钝侠？该园？？目前不懂
5.實(shí)現(xiàn)算法
由公式y(tǒng)=softmax(wx+b)得到代碼
y = tf.nn.softmax(tf.matmul(x,w)+b))
其中soft是一個(gè)函數(shù)帅韧，包含在tf.nn下里初，tf.nn含有大量的神經(jīng)網(wǎng)絡(luò)的組件。tf.matmul是TensorFlow中的矩陣乘法函數(shù)
6.描述模型對(duì)問題的分類精度——常用cross_entropy
y_ = tf.placeholder(tf.float32,[None,10]) //用于輸入真實(shí)的label
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_*tf.log(y),reduction_indices=[1]))
7.定義優(yōu)化算法進(jìn)行訓(xùn)練
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
TensorFlow會(huì)自動(dòng)在后臺(tái)進(jìn)行運(yùn)算忽舟。GradientDescentOptimizer是梯度下降算法双妨，0.5是學(xué)習(xí)的速率，最后一個(gè)參數(shù)是優(yōu)化目標(biāo)叮阅。結(jié)果train_step為訓(xùn)練操作
8.運(yùn)行全局參數(shù)初始化器刁品，并直接運(yùn)行他的run方法
tf.global_variables_initializer().run()
9.迭代地執(zhí)行訓(xùn)練操作train_step。
for i in range(1000):
batch_x, batch_y = mnist.train.next_batch(100)
train_step.run({x:batch_xs, y_:batch_ys})
其中參數(shù)100表示每次隨機(jī)從訓(xùn)練集中抽取100條樣本構(gòu)成一個(gè)mini-batch浩姥，并feed給placeholder
10.完成訓(xùn)練后對(duì)模型的準(zhǔn)確率進(jìn)行驗(yàn)證
correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(y_,1))
tf.argmax是一個(gè)從tensor中尋找最大值的序號(hào)挑随。它能給出某個(gè)tensor對(duì)象在某一維上的其數(shù)據(jù)最大值所在的索引值。由于標(biāo)簽向量是由0,1組成勒叠，因此最大值1所在的索引位置就是類別標(biāo)簽兜挨。tf.argmax(y,1)是求各個(gè)預(yù)測的數(shù)字中概率最大的哪一個(gè)。得到的結(jié)果是一個(gè)布爾值數(shù)組
11.將上面的到的結(jié)果轉(zhuǎn)換為正確率
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(accuracy.eval({x:mnist.test.images, y_:mnist.test.labels}))
tf.cast(correct_prediction, tf.float32)將布爾數(shù)組轉(zhuǎn)化為float32格式
