这里，我们用TensorFlow实现一个3层，即输入层、隐藏层、输出层的神经网络。

引入相关模块 # tensorflow 自带mnist模块。

from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets(".", one_hot=True, reshape=False)import tensorflow as tf

这里有个one_hot=True，one_hot表示独热编码，可以看下面的图片理解意思：

one hot encoding

参数设置

 learning_rate = 0.001training_epochs = 20batch_size = 128display_step = 1# 设置日志显示次数用的n_input = 784# 输入的大小n_classes = 10# 最后分成10个类别

learning rate是学习的速度，每次更新参数时的步长（速度），太小会造成学习速度太慢，太大会造成无法拟合的结果。

一个 epoch是指整个数据集正向反向训练一次。

batch size 是一次拿多少数据去训练，具体可以参考What is a batch in TensorFlow? – Stack Overflow。

可下载资源

关于作者

Kaizong Ye是拓端研究室（TRL）的研究员。在此对他对本文所作的贡献表示诚挚感谢，他在上海财经大学完成了统计学专业的硕士学位，专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

非常感谢您阅读本文，如需帮助请联系我们！