1、环境搭建
（1）python解释器：
由于tensorflow支持的python版本问题，尽量不要安装过高版本的python；本实验中使用的python3.6
python官网：https://www.python.org/
找到所有版本，下载python3.6.4的win64版本的exe 安装包：
安装过程注意点击：
add to path
install for all users
（2）安装pycharm社区版
pycharm是主要用于程序开发的集成开发环境IDE，社区版为免费版本
官网：http://www.jetbrains.com/pycharm/download/index.html#section=windows
download默认下载最新版
点击previous versions可以下载历史发布版本
这里下载2018.2.4版本，下载后默认安装，首次打开会提示进行默认设置：
点击open，打开文件浏览器，在合适的目录下（最好路径没有中文），创建自己的工作文件夹
配置python解释器目录，找到之前安装的python，设置为pycharm默认使用的python
配置好后点击ok，测试python能否正常工作：
如上图，python能正常工作
（3）安装tensorflow及其依赖：
一般情况采用pip安装，但是国外的数据源比较慢，有两个办法更换源：
一、pip参数指定源连接：
在pip install 后添加 -i 参数：（如，使用清华的源）
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy
二、修改pip的全局默认源：
在C:\Users\XXX下新建一个文件夹，重命名为pip。（.pip是在ubuntu下）
在pip文件夹里面新建一个文本文档，并重新命名为：pip.ini，需要修改后缀。
在pip.ini里面添加下面的信息（采用阿里云）：
[global]
trusted-host = mirrors.aliyun.com
index-url = http://mirrors.aliyun.com/pypi/simple
其他国内源：
清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/
修改后安装可快速安装tensorflow：
在终端中输入
pip install tensorflow
默认安装cpu版本。
测试导入tensorflow，没有任何报错：
2、Mnist实验：
原始代码在tensorflow中文社区中，新手入门中，新手入门教程连接：
http://www.tensorfly.cn/tfdoc/get_started/introduction.html
我在其基础上加入了显示图片的代码，以便更直观的感受分类的效果：
具体代码见我的github：（以后bug会修改，比如今天的model文件夹没有）
https://github.com/nanfeng-dada/tensorflow_start
下载后放在pycharm打开的文件夹目录下，并创建一个model文件夹（bug后续修改）。由于要可视化图片，因此使用了matplotlib包，需自行安装（pip install matplotlib）
完成以上步骤后，运行nn_bp.py文件，注意pycharm右上角显示的文件为当前运行的文件：
输出提示正在下载数据集，如何好几次中断报错，提示request之类的问题，就是网络问题，数据是国外的服务器。多运行几次试试，还是不行的话我上传数据集到github。
显示的图片样例：
显示训练完成并开始测试：
按下enter继续：
预测的结果显示