"Python蟒蛇书学习笔记：自编神经网络训练与推理"

从零开始训练神经网络是一个艰巨的任务，但通过逐步学习和实践，我们可以逐渐掌握这一技能。本次学习的目标是通过代码编写并训练神经网络，实现输入一张手写数字图片后，网络输出该图片对应的数字的目的。 基本要求是我们的代码要导出三个接口，分别完成以下功能： 1. 初始化：设置输入层，中间层和输出层的节点数。 2. 训练：根据训练数据不断更新权重值。 3. 查询：把新的数据输入给神经网络，网络计算后输出答案（推理）。 为了达到这些目标，我们将采用《Python Crash Course》2nd edition的代码书写方式来展示我们逐步扩充神经网络代码的过程。首先，我们将建立一个类(class)来表示全连接神经网络，然后逐步编写代码来完成网络的初始化、训练和查询功能。 在类NeuralNetWork中，我们首先定义了初始化方法\_\_init\_\_，用于设置输入层，中间层和输出层的节点数。接下来，我们将逐步扩充代码以实现训练和查询功能。在训练方法中，我们将根据训练数据不断更新权重值，以使神经网络能够准确地识别手写数字图片。而在查询方法中，我们将把新的数据输入给神经网络，网络计算后输出相应的答案，实现推理功能。 通过逐步扩充代码的方式，我们可以逐步建立起一个完整的神经网络模型，实现输入手写数字图片后预测对应数字的功能。这种学习方法不仅有助于我们掌握神经网络的编写和训练技能，也能够加深对神经网络原理和工作方式的理解。通过自己编写神经网络代码，我们可以更深入地理解神经网络的工作原理，为进一步深入学习和应用神经网络奠定良好的基础。 总的来说，通过本次学习，我们不仅实现了从零开始训练神经网络的目标，还掌握了代码编写和训练的关键技能。这将为我们在神经网络领域的进一步学习和实践打下坚实的基础，使我们能够更好地应用神经网络技术解决实际问题。通过不断学习和实践，我们可以不断提升自己的神经网络技能，为未来的发展打下坚实的基础。