當我們學習程式設計的時候，第一件事情往往是學習如何列印出“Hello World”。正如程式設計中會有“Hello World”,Tensorflow中入門有mnist，關于mnist，谷歌官方給出了兩篇教程。下面簡單介紹下如何運作Tensorflow自帶的mnist的python程式。
Mnist是一個入門級的計算機視覺資料集，它包含各種手寫數字圖檔:
它也包含每一張圖檔對應的标簽，告訴我們這個是數字幾。比如，上面這四張圖檔的标簽分别是5,0,4,1。在此教程中，我們将訓練一個機器學習模型用于預測圖檔裡面的數字。
關于tensorflow手寫數字識别的大緻步驟：
1、将要識别的圖檔轉為灰階圖，并且轉化為28*28矩陣（單通道，每個像素範圍0-255,0為黑色，255為白色）；
2、将28*28的矩陣轉換成1維矩陣（也就是把第2,3,4,5…….行矩陣紛紛接入到第一行的後面）；
3、用一個1*10的向量表示标簽，也就是這個數字到底是幾；
4、softmax回歸預測圖檔是哪個數字的機率；
5、用交叉熵和梯度下降法訓練參數。
關于上述幾個步驟中所涉及到的softmax回歸預測以及交叉熵、梯度下降法等可參見以下博文連結：
http://www.jianshu.com/p/2186766b69dc
http://www.jianshu.com/p/4195577585e6
http://www.jianshu.com/p/a1dc77933763
http://www.cnblogs.com/flyu6/p/5555178.html
http://blog.csdn.net/wang_junjie/article/details/51303729
在運作mnist的入門示例程式的前提是正确安裝配置tensorflow。
（1）進入tensorflow的安裝目錄，如圖：
運作mnist目錄下的convolutional.py程式：
運作結果如下：
運作結束後，會在mnist目錄下生成data檔案夾，進入data檔案夾下檢視，如圖：
這裡的t10k-images-idx3-ubyte.gz，t10k-labels-idx1-ubyte.gz，train-images-idx3-ubyte.gz，train-labels-idx1-ubyte.gz是mnist的資料集
（2）下載下傳mnist-master檔案夾（http://pan.baidu.com/s/1bpwYddl），并上傳到伺服器上，在mnist-master檔案夾下，有如下檔案，如圖：
mnist_softmax.py:mnist機器學習入門
mnist_deep.py:深入mnist
fully_connected_feed.py:tensorflow運作方式入門
mnist_with_summaries.py:tensorboard訓練過程可觀化
并将（1）中data檔案夾下的mnist資料集拷貝到Mnist_data檔案夾下，如圖：
運作mnist_softmax.py結果如圖：
運作fully_connected_feed.py，如圖：