Tensorflow学习笔记：基础篇9——mnist手写体数字集完结版-嵌入可视化

Mnist手写集Embedding可视化实现

前序

— 在先前的论述中，我们提及了过拟合问题，并通过引入Dropout技术作为解决手段。
— 今天将是我们关于三层全连接神经网络系列文章的最后一篇，让我们先回顾一下这一系列中我们完成了哪些内容：
单层神经网络 —> 三层神经网络 —> 交叉熵函数 —> Optimizer —> Dropout —> Tensorboard
— 我们对这个神经网络模型进行了多次调整与优化，使准确率从0.91逐步提升至0.98。大家是否注意到，到目前为止我们所呈现的结果始终是一个准确率数值？或许有人会感到疑惑：这些图片真的能被如此精确地分类吗？是否能在Tensorboard的可视化界面上看到分类后的实际效果？答案是肯定的。
— 正是基于这一点，引出了我们今天要探讨的内容：Embedding Visualization。或许有人会问，这究竟指的是什么呢？
— 这是Tensorflow针对moist手写数据集所开发的一个可视化项目，在Tensorflow尚未更新至1.4版本之前，该项目在官网上是可以找到的。但随着版本更新，该内容已被删除。我为大家重新找到了相关链接，供大家参考和学习。
Reference：[TensorBoard: Embedding Visualization](https://