Classifying MNIST digits using Logistic Regression 代码个人，理解

一. 参数维度

W = size(n_in, n_out), n_in代表一个样本的dimension,一般都是(1，n），那么此时n_in=n;如果是（n,m）就要处理成（n*m,1）的形式。

二. negative_log_likelihood 函数

return -T.mean(T.log(self.p_y_given_x)[T.arange(y.shape[0]), y]) 刚开始没看懂这个函数，[arange(y.shape[0]),y],这里arange(y.shape[0])是对一个
batch_size上的样本的遍历，y对应每一个样本的真实分类值;p_y_given_x是用softmax计算过的（arange(y.shape[0],10）的向量，如果模型正确的话

p_y_given_x[arange(y.shape[0]),y]对应的点LP[0,y[0]],LP[1,y[1]],等都应该是约等于1的。加个log约等于0.