[DL]2.使用Softmax回归进行手写数字识别

本文对TensorFlow官方示例-手写数字识别教程的读书笔记。

教程分为3个部分：

• 数据准备
• 模型建立
• 模型评价

1.数据准备

教程使用的是公开的MNIST手写数字图片记，并且对数据的访问进行了封装，因此在实际编码过程中很方便的就可以将数据准备好。
这里需要注意的是，数据集中保存的并不是真正的一张张真实的图片，而是用矩阵对数据进行了展示。比如，训练记中的数据表示为：

它是一个55000×784维的张量，表示有55000张图片，每张图片用784维的一维向量表示。

2.模型建立

本教程使用的模型可以直观的表示为：

$x$是向量形式的图片，$w$表示每一个像素的权重，$b$表示偏置值。$y_i$表示为第i个数字的置信度。
用公式表示为：

$$y = \text{softmax}(Wx + b)$$
损失函数定义为：

Hy′(y)=−∑iy′ilog(y