一，首先來看MNIST數(shù)據(jù)的形式

官網(wǎng)下載的真實數(shù)據(jù)是二進制數(shù)據(jù)，編輯器不能查看，不過通過其描述可知：

（1）文件有4個，根據(jù){ training，test }，{ image，lable }組合為“training-image”，“training-lable”，“test-image”，“test-lable” 4個文件

（2）通過tensorflow提供的input_data.read_data_set()方法將數(shù)據(jù)存儲為tf程序可以執(zhí)行的4個二維tensor。

（3）mnist.train.xs是訓練集的二維tensor，第一維表示圖片的index，第二維表示每張圖片中像素的index，那么，tensor中的數(shù)值在0-1之間，表示某張圖片中某個像素點的顏色深度。如官網(wǎng)圖

（4）mnist.train.ys是訓練集的二位tensor，第一維表示圖片的index，第二維表示one-hot型向量，何為one-hot？即一個向量中只能有一個元素為1，其他全部為0。那么，每張圖片的one-hot型lable中值為1的index就是圖片的真實值。

二，softmax regressions

softmax算法主要應用于多分類問題，特點是：所有結果的可能性在0-1之間，和為1，若有一種可能性超過其他可能性，則該可能性趨近于1，而娶她可能性趨近于0，勝者獨占。

三，stochastic gradient descent（隨機梯度下降）

每次都用完整的訓練集固然好，但是太消耗資源，那么每次只取訓練集中的一小部分來訓練，這樣能達到相似的效果，代價更小。

batch_xs, batch_ys = mnist.train.next_batch(100)