1.Python小贴士
import numpy出错时，打开cmd 输入pip install numpy 即可
2.手写数字识别伪代码：
import numpy
import scipy.special
import matplotlib.pyplot as plt
import pylab
定义神经网络
定义节点（输入、隐藏、输出）
学习率
初始化权重 高斯
激活函sigmoid
训练神经网络
输入、输出
计算信号进入隐藏层、激活
计算信号进入最后输出层、激活
求取误差
为隐藏节点重组误差
更新权重，在隐藏层与输出层之间
更新权重 ，在输入和隐藏层之间
查询神经网络
输入待观测数据
计算信号进入隐藏层 激活
计算信号进入输出层、激活
给输入节点、隐藏节点、输出节点、学习率赋值
导入训练数据集
开始训练：epochs是训练的次数
打开测试数据集
将RGB缩放至0.01-1.0，创建目标输出
查询神经网络
获取最大值索引，判断是否相同，若是，则正确
计算识别概率
3.安装Anaconda开发工具与tensorflow
此处有较多问题，第一次安装千万注意
python是3.7版本，因此Anaconda和tensorflow都选择了最新版本；
Anaconda安装很简单，next即可；主要是tensorflow的安装
- 切勿在cmd里直接pip，需要设置一个新的环境
- 打开Anaconda Prompt，conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes - 创建一个python3.7的环境，输入
conda create -n tensorflow python=3.7
运行Anaconda Navigator environments中会有名为tensorflow的新环境，里面包较少 - 激活tensorflow环境 activate tensorflow
- 安装cpu版本的tensorflow pip install --upgrade --ignore-installed tensorflow
- 测试，进入python环境
- import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
不报错，有运行结果即表示可以运行 - 但此时在spyder中仍不能使用tensorflow 在anaconda navigator中的tensorflow环境中，选择未安装，找到spyder安装
- 此时，你的菜单栏中会出现spyder（tensorflow）
- 运行，不再报错
