前幾天我們講了許多利用Keras執行手寫數字的辨識，為何會先講Keras而不先講TensorFlow呢?主要是因為Keras與TensorFlow運作模式相當接近，但兩者又有些不同之處。所以在進入TensorFlow前，先認識一下Keras的相關運作，筆者相信TensorFlow大家一定會更容易理解!今天所講的內容會回歸TensorFlow的環境建置，但不會細講，如果有與Keras語法相異的地方再提出來聊聊，謝謝大家!

下載MNIST資料

1. 匯入Tensorflow模組，鍵入以下程式碼:

import tensorflow as tf

2. 讀取MNIST，鍵入以下程式碼:

import tensorflow.examples.tutorials.mnist.input_data as input_data

由於TensorFlow已經有現成的模組可以使用，鍵入以上程式碼可以下載並讀取

3. 執行並開始下載，再查看檔案
   鍵入以下程式碼:

mnist = input_data.read_data_sets("MNIST_data/", one_hot=Ture)

由於是第一次執行input_data.read_data_sets，所以系統會自動查閱是否有MNIST_data這個檔案，沒有的話就會開始下載。接著下載結束後即可查看檔案。

4. 讀取與查看MNIST
   再次輸入程式碼mnist = input_data.read_data_sets("MNIST_data/", one_hot=Ture)，但前面已經下載過了，所以執行速度會快上許多。
   結束後輸入以下指令，即可查看MNIST資料:
   
   執行結果可以分成三大部分，train(訓練資料55000筆)、validation(驗證資料5000筆)、test(測試資料10000筆)

查看訓練資料
其實與Keras相同，查看訓練資料是由images與labels所組成
所以我們鍵入以下程式碼可瞭解訓練的相關資料

今天回歸主題TEnsorFlow的世界，明天會繼續建構，但由於已經講了Keras了所以應該會相當快速啦!謝謝大家!

Reference: 林大貴(2019)：TensorFlow+Keras 深度學習人工智慧實務應用。新北市：博碩文化