TensorFlow：识别数字

数字识别在机器学习任务中的重要性，就如同编程语言中的 Hello World 一样具有基础性意义。

主要步骤：

1. 数据获取：来源于 Yann LeCun 的官方网站
2. 模型构建：采用 softmax 分类器
3. 变量定义：包括张量与变量 X、W、b
4. 损失函数与优化器设定：使用交叉熵损失与梯度下降法
5. 模型训练过程：通过循环迭代实现批量处理
6. 效果评估：以准确率作为衡量标准

1. 获得数据

• 来源于 Yann LeCun 的官方网站：http://yann.lecun.com/exdb/mnist/
  • 数据集被划分为训练集、测试集与验证集，其中每个 X 对应一张图像，而 y 表示其对应的标签
  • 图像由 28*28 像素构成，并将其转换为数组形式，从而形成 1*784 维的向量
  • 标签 y 被转换为 one-hot 编码格式，即对于所属的数字类别，在对应的位置上标记为 1，其余位置则标记为 0

目标： 在已知输入 X 的情况下，判断其对应的标签应归类于 0 至 9 这