NeuralNetwork And Deep Learning 实验操作Chapter 1

- Using neural nets to recognize handwritten digits

本人新手，最近开始学习Michael Nielsen 的NeuralNetwork And Deep Learning跟着作者一步一步动手操作，以加深理解。原文是英文，但网上已有许多翻译博文，在下水平有限就不再班门弄斧，仅仅贴上自己动手实验的结果分享给大家，为自己的学习留下一些经历。

1. 实验环境

Anaconda3(64bit)
Spyder

到Anaconda官网下载Anaconda3，安装之后就会有Spyder，最新的默认是python3.7.本次实验主要就是用spyder来实现。作者原文是用python2.7的shell来实现的（我用shell按照步骤来做总是出现语法错误，实在搞不直就用Spyder来。。。），同时作者也在原文里提供了python3的源码。

2. 实验过程

载入MNIST数据，初始化 在Spyder的IPython console输入如下代码。输入层784，隐藏层30，输出层10，学习率3.0.

结果：最好结果为9463/10000

将隐藏层改为100

结果：最好结果为9658/10000，比30层结果要好

学习率0.001，其余不变

结果：结果与之前相比差很多，说明学习率过小

学习率为100.。。。

结果：学习率过大，说明参数选择很重要

今天就这样， 未完待续。。。
原文连接：
http://neuralnetworksanddeeplearning.com/chap1.html