tensorflow实现手写体数字识别

之前在人工智能课上自己手动搭建过一个BP神经网络实现MNIST数据集的手写体字体识别，使用的是c++，最终准确率的上限在95%至96%左右（毕竟水平有限）。这次不一样了，使用tensorflow进行实验，准确率确实提高了不少。可能有人会觉得tensorflow有点过时，现在的大企业不怎么用tensorflow了，但我觉得，对于初学者来说，tensorflow还是不错的选择。

实验环境
ubuntu 16.04
python 2.7.13
tensorflow 1.3.0
MNIST数据集
我不清楚windows下可不可以装tensorflow，反正很久以前是不行，现在好像可以了？？？

总体框架
主要分为三个部分如下：

前向传播过程(mnist_forward.py)
进行网络参数优化方法的反向传播过程 ( mnist_backward.py )
验证模型准确率的测试过程(mnist_test.py)
每个部分都单独写成了一个模块文件。

实例化具有滑动平均的 saver 对象，从而在会话被加载时，模型中的所有参数被赋值为各自的滑动平均值，增强模型的稳定性

操作步骤
可能你已经注意到了，mnist_forward.py中并没有main函数（说明这个文件只是一个模块用来被其他文件调用，本例中是mnist_backward.py调用了mnist_forward.py），而另两个文件都有main函数。

终端输入python mnist_backward.py，开始训练，会显示实时的损失值，如：after 15005 training steps, loss on training batch is 0.159981
再开一个终端，输入python mnist_test.py，进行同步的测试（每五秒一次），会显示实时的损失值，如：after 15005 training steps, test accuracy = 0.979
实验结果

域名查询专业人士表示代码里设置的总循环数是50000次，但是我只跑到15000次（毕竟时间比较久），但已经能有98%的准确率了，如果全跑完的话，预计能达到99%以上。