《TensorFlow自然语言处理》—2.4　实现我们的第一个神经网络

2.4　实现我们的第一个神经网络

在了解了TensorFlow的架构、基础知识和作用域机制之后，我们现在应该实现比较复杂的东西：一个神经网络。准确地说，我们将实现一个我们在第1章自然语言处理简介中讨论过的全连接的神经网络模型。

神经网络能被引入的原因之一是能够用它对数字进行分类。对于此任务，我们使用http://yann.lecun.com/exdb/mnist/上提供的著名的MNIST数据集。你可能对我们使用计算机视觉任务而不是NLP任务感到有点疑惑，这是因为视觉任务可以通过较少的预处理来实现，并且易于理解。

由于这是我们第一次接触神经网络，我们将详细介绍示例的主要部分。但请注意，我只会介绍练习中的关键部分。要从头到尾运行示例，可以在ch2文件夹中的tensorf?low_introduction.ipynb文件内找到完整练习。

2.4.1　准备数据

首先，我们需要使用maybe_download（…）函数下载数据集，并使用read_mnist（…）函数对其进行预处理。这两个函数在练习文件中定义。read_mnist（…）函数主要执行两个步骤：

• 读取数据集的字节流，并将其转变为适当的numpy.ndarray对象

• 将图像标准化为均值为0和方差为1（也称为白化）

以下代码显示read_mnist（…）函数。read_mnist（…）函数将包含图像文件的文件名和包含标签文件的文件名作为输入，然后生成两个包含所有图像及其相应标签的NumPy矩阵：