当我们学习编程的时候，第一件事情往往是学习如何打印出“Hello World”。正如编程中会有“Hello World”,Tensorflow中入门有mnist，关于mnist，谷歌官方给出了两篇教程。下面简单介绍下如何运行Tensorflow自带的mnist的python程序。
Mnist是一个入门级的计算机视觉数据集，它包含各种手写数字图片:
它也包含每一张图片对应的标签，告诉我们这个是数字几。比如，上面这四张图片的标签分别是5,0,4,1。在此教程中，我们将训练一个机器学习模型用于预测图片里面的数字。
关于tensorflow手写数字识别的大致步骤：
1、将要识别的图片转为灰度图，并且转化为28*28矩阵（单通道，每个像素范围0-255,0为黑色，255为白色）；
2、将28*28的矩阵转换成1维矩阵（也就是把第2,3,4,5…….行矩阵纷纷接入到第一行的后面）；
3、用一个1*10的向量表示标签，也就是这个数字到底是几；
4、softmax回归预测图片是哪个数字的概率；
5、用交叉熵和梯度下降法训练参数。
关于上述几个步骤中所涉及到的softmax回归预测以及交叉熵、梯度下降法等可参见以下博文链接：
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
在运行mnist的入门示例程序的前提是正确安装配置tensorflow。
（1）进入tensorflow的安装目录，如图：
运行mnist目录下的convolutional.py程序：
运行结果如下：
运行结束后，会在mnist目录下生成data文件夹，进入data文件夹下查看，如图：
这里的t10k-images-idx3-ubyte.gz，t10k-labels-idx1-ubyte.gz，train-images-idx3-ubyte.gz，train-labels-idx1-ubyte.gz是mnist的数据集
（2）下载mnist-master文件夹（http://pan.baidu.com/s/1bpwYddl），并上传到服务器上，在mnist-master文件夹下，有如下文件，如图：
mnist_softmax.py:mnist机器学习入门
mnist_deep.py:深入mnist
fully_connected_feed.py:tensorflow运作方式入门
mnist_with_summaries.py:tensorboard训练过程可观化
并将（1）中data文件夹下的mnist数据集拷贝到Mnist_data文件夹下，如图：
运行mnist_softmax.py结果如图：
运行fully_connected_feed.py，如图：