版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/sinat_34233802/article/details/70160261
1、手写图像识别（分类）
x图像[none,780]，w权重[780,10]
输入图像矩阵–采用softmax（多项式逻辑）回归模型–通过交叉熵计算损失
2、卷积神经网络
输入图像–卷积conv2d(x, W)（突出特征）-池化max_pool_2x2(x)（减少特征数量）
3、手写图像的前馈神经网络流程
输入图像–隐藏层1 nn.relu(w,b)–隐藏层2 nn.relu(n1,b)–softmax回归分类–loss 交叉熵
4、由花片和花瓣的长宽预测花种（分类）
直接利用tf.contrib.learn.DNNClassifier模型实现分类
5、房屋价格（回归）
tf.contrib.learn.DNNRegressor