Tensorflow中Classification分类学习

这次我们会介绍如何使用Tensorflow解决Classification（分类）问题。在之前的文章中介绍的都是Regression（回归）问题。分类和回归的区别在于输出变量的类型上。通俗理解定量输出是回归，或者说是连续变量预测；定性输出是分类，或者说是离散变量预测。如预测房价这是一个回归任务；把东西分成几类，比如猫狗猪牛，就是一个分类任务。

一、MNIST数据。

首先准备数据（MNIST库）

from tensorflow.examples.tutorials.mnist import input_data
# number 1 to 10 data
mnist = input_data.read_data_sets("MNIST_data",one_hot=True)

MNIST库是手写体数字库，差不多是这个样子的：

数据中包含55000张训练图片，每张图片的分辨率是28*28，所以我们的训练网络输入应该是28*28=784个像素数据。

二、搭建网络

（1）定义网络的输入

# define placeholder for inputs to network
xs =