3层神经网络，自定义输入节点、隐藏层、输出节点的个数，使用sigmoid函数作为激活函数，梯度下降法进行权重的优化。 使用MNIST数据集，进行手写数字识别 代码实现了手写数字的识别，可以在此基础上，进行改进研究，比如调节学习率、初始化权重的方式，激活函数等变化时对结果的影响。 ...

...

莫烦视频网址 这个代码实现了预测和可视化 去掉可视化进行代码简化 ...

1.1 感知器 感知器的输出为： wj为权重，表示相应输入对输出的重要性； threshold为阈值，决定神经元的输出为0或1。 也可用下式表示： 其中b=-threshold，称为感知器的偏置。 通过学习算法，能够自动调整人工神经元的权重和偏置。 1.2 ...

1、知识点 2、代码 3、发展历程 4、卷积与池化输出矩阵维度计算公式 5、损失计算-交叉熵损失公式 6、 ...

1.导入必备的包 2.定义mnist数据的格式变换 3.下载数据集，定义数据迭代器 4.定义全连接神经网络（多层感知机）（若是CNN卷积神经网络，则在网络中添加几个卷积层即可 ...

我想大部分程序员的第一个程序应该都是“hello world”，在深度学习领域，这个“hello world”程序就是手写字体识别程序。 这次我们详细的分析下手写字体识别程序，从而可以对深度学习建立一个基本的概念。 1.初始化权重和偏置矩阵，构建神经网络的架构 import numpy ...

文章导读： 1. 本书内容 2. 手写字体识别 3. 感知机 4. Sigmoid神经元 5. 神经网络的结构 6. 一个用于手写数字识别的简单神经网络 7. 梯度下降学习算法 8. 数字识别神经网络的实现 9. 关于深度学习 深度学习算是现在机器学习领域非常热门的方向 ...