TensorFlow学习2——使用简单的softmax回归识别手写数字识别mnist数据集

代码连接：github代码
1.mnist数据集介绍
1)7 万张黑底白字手写数字图片，其中 55000 张为训练集，5000 张为验证集，10000 张为测试集。
2)每张图片大小为 28*28 像素，数据集的标签是长度为 10 的一维数组，数组中每个元素索引号表示对应数字出现的概率。
一般将图片记为xs，将标签记为ys
3)加载方式：
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets(’./data/’,one_hot=True)
在 read_data_sets()函数中有两个参数，分别表示数据集存放路径、数据集的存取形式。
当第二个参数为 Ture 时，表示以独热码形式存取数据集。read_data_sets()函数运行时，会检查指定路径内是否已经有数据
集，若指定路径中没有数据集，则自动下载，并将 mnist数据集分为训练集 train、验证集 validation 和测试集 test 存放。
4）数据集预处理：将图片展开为28*28=784的一维向量，丢失了二维结构。因此
mnist.train.images是[55000,784]矩阵；mnist.train.labels是[55000,10]矩阵，
2.简单模型搭建——介绍
1)7 万张黑底白字手写数字图片，