上期我们分享了CNN的基本结构，本期我们就拿MNIST数据集来训练一下手写数字的数据库，以便我们下期能够使用训练好的模型，来进行手写数字的识别。

分享一下几个可视化网站，可以看到神经网络的识别过程。

http://scs.ryerson.ca/~aharley/vis/conv/

1、插入MNIST数据集

#利用MNIST的数据来进行我们的神经网络的训练
import tensorflow as tf
import numpy as np
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

2、定义精度函数

def compute_accuracy(v_xs, v_ys):
 global prediction
 y_pre = sess.run(prediction, feed_dict={xs: v_xs})
 correct_prediction = tf.equal(tf.arg_max(y_pre, 1), tf.arg_max(v_ys, 1))
 accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
 result = sess.run(accuracy, feed_dict={xs: v_xs, ys: v_ys})
 return result

3、定义Weight变