# tensorflow 1.2版本
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
# 读取本地输入，如果本地没有直接从网上下载
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)# 输入节点数
in_uint = 784
# 隐藏层节点数
hi_uint = 300# 定义输入变量：第一层参数和偏执项为w1,b2 第二层参数w2和b2
x = tf.placeholder(tf.float32, [None, in_uint])
w1 = tf.Variable(tf.truncated_normal([in_uint, hi_uint], stddev=0.1))
b1 = tf.Variable(tf.zeros([hi_uint]))
w2 = tf.Variable(tf.zeros([hi_uint,10]))
b2 = tf.Variable(tf.zeros([10]))
# Drop 通过减少隐藏层节点数，达到降采样的目的
keep_prob = tf.placeholder(tf.float32)
# 隐藏层：全连接和非线性激活函数
hidden01 = tf.nn.relu(tf.matmul(x, w1)+b1)
# 隐藏部分节点，达到降采样的目的
hidden01_drop = tf.nn.dropout(hidden01, keep_prob=keep_prob)
# 定义前向传播的输出层
y = tf.nn.softmax(tf.matmul(hidden01_drop, w2) + b2)
# 真实数字类别
y_ = tf.placeholder(tf.float32,[None, 10])
# 定义损失函数&#