使用tensorflow建立对MNIST手写数字的LSTM训练模型

这两天进入rnn实操阶段。
首先学习了MNIST手写数字图片数据。
60000张训练图片，被保存成idx3-ubyte格式。
数据结构分为三部分（从头开始）：
第一部分
4bytes：magic number（可以理解成文件名）
第二部分：图片像素和数量
4bytes：number of images
4bytes：number of rows（图片的行像素数）
4bytes：number of columes（图片的列像素数）
第三部分：像素数据
1bytes表示一个像素，一张图片28X28像素。

数据以16进制表示，例：
0000  0803  0000  ea60  0000  001C  0000  001C
magic2051  images数60000 图行像素28  图列像素28


使用LSTM模型如下：

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt

#1导入数据
MNIST_data="H:\\工作\\算法及深度学习\\PY_code\\2-9月神经网络编程\\手写数据集"
mnist=input_data.read_data_sets(MNIST_data,one_hot=True)    #导入mnist数据，数据格式未知，待学习。后面通过mnist.train.next_batch(batch_size)把数据提取出来，为[batch_size,784]矩阵

#2.定义超参数：
lr=0.001
epoch=2   #所有样本循环训练次数，本样本共60000
n_samples=60000
batch_size=128
n_hidden=128
n_input=28 #每个时间步的输入为[1,28]向量，即为图片的某行28个像素
n_step=28 #一共设置为28个时间步，即一个图片有28行
n_class=10

#3.定义placeholder
with tf.name_scope('Inputs'):
    X=tf.placeholder(tf.floa