python写的。mnist图片数字识别项目，用Tensorflow建立全连接神经网络或者卷积神经网络可以很简单的实现图片数字识别，并且准确率在98%以上。而卷积神经网络是在全连接神经网络的基础上对数据先经过卷积处理之后再通过神经网络，这样既快捷又方便。

在“多层感知机的从零开始实现”一节里我们构造了一个含单隐藏层的多层感知机模型来对Fashion-MNIST数据集中的图像进行分类。每张图像高和宽均是28像素。我们将图像中的像素逐行展开，得到长度为784的向量，并输入进全连接层中。然而，这种分类方法有一定的局限性。 图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可能难以被模型识别。 对于大尺寸的输入图像，使用全连接层容易导致模型过大。假设输入是高和宽均为1,0001,0001,000像素的彩色照片（含3个通道）。即使全连接层输出个

保存模型 代码如下 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集 mnist = input_data.read_data_sets(MNIST_data,one_hot=True) #每个批次100张照片 batch_size = 100 #计算一共有多少个批次 n_batch = mnist.train.num_examples // batch_size