安装工具和库如下
- 安装 tensorflow
官网安装方式
本人安装在windows下，只需要先安装好python3.6.3版本，配置到系统环境变量然后使用
pip3 install --upgrade tensorflow即可 - 安装python的图片库PIL，Pillow
pip3 install Pillow后面读取手写数字图片的时候会用到
这是一个手写数字的数据库，提供了六万的训练集和一万的测试集。
进入官网后我们只需要下载红色链接的四个文件即可，下载的四个文件保存在一个目录后续会用到
此处参考了tensorflow的官方源码和其他同学的方案
官方的源码在这里， 这也是一个建议的demo。
后来找到一个更加完善一点的，包含了测试数字图片，所以直接拿来用了。
-
下载的训练数据放在
MNIST_data目录 -
需要测试的数据放在
test_num目录 和MNIST_data是同级目录 -
python代码 和上面两个目录也是同级目录
在命令行执行python mnist_softmax.py来测试，会输出对应的结果
本工程已上传至github 作为学习使用~
TensorBoard是tensorflow的可视化工具，可以自动显示我们所建造的神经网络流程图
运行方式如下:
D:\Codes\tensorflow\tensorflow>python "C:\Program Files\Python36\Lib\site-packag
es\tensorboard\main.py" --logdir logs
python python tensorboard库安装目录下的 main.py --logdir 训练数据目录
如果训练数据的目录是空的话我们在tensorBoard看不到任何东西
如果上一步执行的命令没有错误，命令行会显示TensorBoard 0.4.0rc2 at http://ubt-zhangfeng:6006 (Press CTRL+C to quit) 字样，这表示tensorboard启动成功。
在浏览器输入localhost:6006即可以进去tensorboard，推荐使用chrome。。。
上面说到如果没有训练数据，进去的时候啥都没有，所以这里我们需要自己创建训练数据。
下面写一个简单的训练方式
cat.py
import tensorflow as tf
file = open('cat_walk.png', 'rb')
data = file.read()
file.close()
image0 = tf.image.decode_png(data, channels=4)
image = tf.expand_dims(image0, 0)
sess = tf.Session()
writer = tf.summary.FileWriter('logs')
summary_op = tf.summary.image("image1", image)
rotated_image = tf.image.rot90(image0, k=1)
summary_rotated = tf.summary.image('image2b', tf.expand_dims(rotated_image, 0))
summary1 = sess.run(summary_rotated)
writer.add_summary(summary1)
summary = sess.run(summary_op)
writer.add_summary(summary)
writer.close()
sess.close()
我们读取当前目录下的cat_walkl.png图片，然后有原图和旋转90的图，最后将训练结果写入到logs目录中。
使用python cat.py后，会在logs目录生成一个训练的数据文件。
注意：由于读取文件使用的是image0 = tf.image.decode_png(data, channels=4)， 所以需要保证cat_walkl.png是png格式的图片，否则会报错
这个logs目录刚好是我们启动tensorBoard指向的目录，所以启动tensorBoard后我们可以看到训练数据显示出来到了。。
目前还没有清楚tensorBoard上的数据和按钮怎么操作。。。后面再学习。
本文项目已上传至github， 仅供学习参考。。。