git clone https://github.com/mnielsen/neural-networks-and-deep-learning.git

核心代码

声明了一个神经网络的class，在这个class中：

• sizes表示各层中神经元的数量；
  • 例如，如果我们想创建⼀个在第⼀层有 2 个神经元，第⼆层有3个神经元，最后层有1个神经元的Network对象，net = Network([2, 3, 1])；
• bias and weights;
  • Network 对象中的偏置和权重都是被随机初始化的;
  • 这样的随机初始化给了我们的随机梯度下降算法⼀个起点;
  • 注意Network初始化代码假设第⼀层神经元是⼀个输⼊层，并对这些神经元不设置任何偏置

定义sigmoid函数

对Network类添加⼀个feedforward⽅法

对于⽹络给定⼀个输⼊，返回对应的输 出

增加随机梯度下降算法

开始训练

        最后，我们将使⽤随机梯度下降来从MNISTtraining_data学习超过30次迭代期，⼩批量数据⼤⼩为10，学习速率

对于某些问题：