注意：缺點就是不能重複寫、識別率準確性低。

4.需要要求：
4.1 瞭解TensorFlow框架：
4.1.1 基於Distbelief進行研發的第二代人工智慧系統。
4.1.2 可用於語音識別與影象識別等深度學習領域。
4.1.3 通過神經網路搭建進行學習、分析和處理過程的系統。
4.1.4 支援CNN、RNN和LSTM演算法等。
4.2 MNIST資料集的模型建立：
4.2.1 建立手寫數字的資料庫。
4.2.2 70000張訓練影象（60000張訓練影象和10000張測試影象）。
4.2.3 所以0-9手寫影象、手寫資料影象集的資料庫。
4.3 Flask框架搭建與建立：
4.3.1 python Flask框架是輕量級web框架。
4.3.2 python語音進行編寫的。
5. 訓練步驟：
5.1 下載資料集。網址：

http://yann.lecun.com/exdb/mnist/
5.2 編寫訓練程式。
5.3 訓練模型。
5.4 驗證訓練模型。
6. 使用Flask呼叫模型：
6.1 TensorFlow的呼叫方法進行呼叫訓練模型。
6.2 定義引數。
6.3 通過端進行傳參。
6.4 進行資料驗證並返回。
7. 整合專案
7.1 訓練並生成模型
7.2 介面
7.3 前端呼叫
7.4 驗證並返回結果
8. regression：線性迴歸神經網路
9. convolutional：卷積神經網路
相比之下 卷積神經網路好點。
原始碼下載：

https://github.com/sugyan/tensorflow-mnist
欲知後事、且聽下回分解。
下一節原始碼分析。