目录

1. 搭建网络基本架构
2. 构建训练网络
3. 启动训练网络并测试数据

1 搭建网络基本架构

要完成的功能

我们的代码要导出三个接口，分别完成以下功能：

1. 初始化 initialization，设置输入层，中间层，和输出层的节点数。
2. 训练 train 根据训练数据不断的更新权重值
3. 查询 query，把新的数据输入给神经网络，网络计算后输出答案。（推理）

完成以上代码后，神经网络的大体框架就完成了，我们留下最重要的train函数，也就是通过训练样本训练链路权重的流程到下一步实现。

2 构建训练网络

1 实现网络训练功能

自我训练过程分两步：

1. 第一步是计算输入训练数据，给出网络的计算结果，这点跟我们前面实现的query()功能很像。 ——计算结果
2. 第二步是将计算结果与正确结果相比对，获取误差，采用误差反向传播法更新网络里的每条链路权重。 ——更新权重

2 获取训练数据及预处理

接下来我们就得拿实际数据来训练我们的神经网络了。
我们要做的是读取训练数据，以及数据的预处理（归一化）

3 启动训练网络并测试数据

• 网络的最终目标是，输入一张手写数字图片后，网络输出该图片对应的数字。
• 由于网络需要从0到9一共十个数字中挑选出一个，于是我们的网络最终输出层应该有十个节点，每个节点对应一个数字。
• 假设图片对应的是数字0，那么输出层网络中，第一个节点应该输出一个高百分比，其他节点输出低百分比，如果图片对应的数字是9，那么输出层最后一个节点应该输出高百分比，其他节点输出低百分比。