利用UCI数据集处理Tensorflow数据

我正在尝试使用Tensorflow识别UCI数据集的手写数字( https://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits ). 其中每一行是图像像素的平坦8*8矩阵,最后一个属性是类代码0-9。 然而,我遵循的教程是关于MNIST数据的,这是非常不同的。它有一个28*28的矩阵,值为0-255。所以,是这样的:

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data", one_hot=True)
x = tf.placeholder('float', [None, 784])
y = tf.placeholder('float')

由于我对Tensorflow非常陌生,我无法为UCI数据准备神经网络模型。我只是想知道如何继续下去。我有两个主要问题。

1. 这是导入数据的正确方法吗?
2. 如何将“y”标签作为最后一个属性?

目前我正在考虑这样做:

filename_queue = tf.train.string_input_producer(["optdigits.tra"])
reader = tf.TextLineReader()
_, serialized_example = reader.read(filename_queue)
image,label = decode(serialized_example)
x = tf.placeholder('float', [None, 64])
y = tf.placeholder('float')

基本上,我想准备一个包含64个节点和 'y' 使用输出标签来培训 NN model .