要點：

1. 該教程為深度學習tensorflow框架mnist手寫數字識別。
2. 實戰教程分為（一）（二）（三）分別從tensorflow和MATLAB雙角度來實現。

筆者資訊：Next_Legend  QQ:1219154092 人工智慧 影象處理 神經網路 高維資訊處理 自然語言處理

                                                                                                                                                         ——2018.7.18於雲邱山

• 步驟流程

1. 準備mnist資料集
2. 構建CNN網路結構
3. 構建loss function,配置尋優器
4. 訓練、測試、tensorboard視覺化

• Mnist資料集獲取

  Mnist資料集是NIST資料集的子集，包含以下4個檔案：

  

  Mnist資料集包括：測試集圖片檔案、測試集標籤檔案、訓練集圖片檔案、訓練集標記檔案（上圖順序）。在測試集包含的10000個樣例中，前5000個樣例取自原始的NIST訓練集，後5000個取自原始的NIST測試集，因此前5000個預測起來更容易些。

  注意：

  mnist資料集的獲取你可能會遇到一些bug。你可能會使用tensorflow.examples.tutorials.mnist 裡自帶的input_data.py報錯。 或者遇到input_data.py檔案下載不下來，解決方法如下：

  
  1、由於網路問題或其他一些未知原因，input_data下載、解壓mnist資料集時會報錯，這時你只要自己手動下載好資料集（四個壓縮包）放到工作空間的MNIST_data資料夾裡就行，就能繞開報錯問題。

  2、以下是一些常見的解決方案：

• 構建CNN網路

• 構建loss function,配置尋優器

• 訓練、測試、tensorboard視覺化

• tensorboard視覺化

• 訓練過程