使用工具：win10+anaconda+tensorflow包

使用官方給出的例子安裝下載MNIST資料集失敗，故採用手動下載的方式。

1.下載資料集安裝包

分別下載

建立資料夾MNIST_data，並將下載好的壓縮包放入該檔案。

2.建立python新檔案用於檢測資料包

 建立tf_test.py，並將檔案存放於MNIST_data資料夾同一目錄下（不是MNIST_data資料夾裡）

# -*- coding: utf-8 -*- """ Created on Wed Oct  3 12:02:52 2018

@author: zhaolun """ import tensorflow as tf import tensorflow.examples.tutorials.mnist.input_data as input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

x = tf.placeholder(tf.float32, [None, 784]) W = tf.Variable(tf.zeros([784,10])) b = tf.Variable(tf.zeros([10])+0.1) y = tf.nn.softmax(tf.matmul(x,W) + b)

y_ = tf.placeholder("float", [None,10])

cross_entropy = -tf.reduce_sum(y_*tf.log(y))

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

init = tf.global_variables_initializer()

sess = tf.Session() sess.run(init)

for i in range(1000):     batch_xs, batch_ys = mnist.train.next_batch(100)     sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))

accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

3.執行檔案tf_test.py

使用anaconda開啟tf_test.py檔案，使用F5執行，得到結果為0.9148