Deep_in_mnist 1：自己动手实现神经网络识别mnist手写数字（正确率91.4%）

---

缩写

ML：机器学习Machine Learning
NN：神经网络Neural Network
ANN：人工神经网络Artificial Neural Network
CNN：卷积神经网络Convolutional Neural Network

• 这是我Deep_in_mnist系列博客的第一篇，原地址在我的《ML算法学习与实现》文集中《自己动手实现神经网络算法识别mnist手写数字（准确率92.11%）》

• 这第一篇Deep_in_mnist原本是学习神经网络的原理时写的，刚好用的mnist数据集，后来发现这个数据集挺适合用来学习算法，所以专门建了这一个《Deep_in_mnist》文集，也在GitHub上建了一个专门的的仓库 GitHub：acphart/Deep_in_mnist ，用来存放代码和文件，我计划在这个项目中由浅入深逐步实现一些机器学习算法（主要是学习之用，所以重点是代码简单易读，而且全部中文注释），我将会参考一些经典的以及近些年的论文，这里是关于mnist识别项目研究论文的一个汇总：rodrigob.github.io : Classifiction datasets results

• 目前我已经完成的有

  1. 自己动手实现神经网络算法识别mnist手写数字（准确率92.11%）
  2. 使用TensorFlow搭建ANN识别mnist手写数字（正确率97.49%）
  3. 使用TensorFlow搭建CNN识别mnist手写数字（正确率99.3%）-（参考LeNet-5，论文地址：http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf）
  4. 未完待续

• 这一系列的项目代码以.ipynb文件放在我的GitHub主页上GitHub：acphart/Deep_in_mnist，里面保存着我训练和调参的结果，下载之后直接在Jupyter Notebook中打开即可食用，欢迎品尝，喜欢可以顺便给个star哦 ~~~