神经网络分类MNIST数据集	
目录
神经网络分类MNIST数据集	
一	、问题背景	
1.1 神经网络简介	
前馈神经网络模型：	
1.2 MINST 数据说明	
1.3 TensorFlow基本概念	
二	、实现说明	
2.1 构建神经网络模型	
1. 为输入输出分配占位符	
2. 搭建分层的神经网络	
5. 处理预测结果	
2.2 运行模型	
三	、程序测试	
3.1 运行说明	
3.2 运行输出	
四	、实验总结	
一	、问题背景	
1.1 神经网络简介
神经网络基本概念：神经网络由许多单元组成，单元之间通过有向的链进行连接。单元的结构非常简     单，如下图所示，若干结点的输出作为一个节点的输入，通过神经元输出。每一个边有一个权值，神经 单元的激活函数相同。


前馈神经网络模型：
前馈神经网络模型如图所示，神经网络被分为若干层次，相邻两层的结点全连接，即一层的输出作为下 一层的输入；不相邻的层不存在直接相邻，网络中也不会出现环。最底层为输入层，最顶层为输出层， 剩下的层为隐藏层。




训练神经网络过程：反向传播算法
一个神经网络的好坏由各个结点的权重  和偏置   决定，神经网络引入损失函数来评估模型训练的结果，模型优化的过程就是最小化损失函数的过程。
反向传播的过程可以总结为：先利用观察到的误差计算输出单元的修正误差值    ，然后从输出层开始，重复以下两步：将 值传播回前一层；更新这两层之间的权重；直到到达最早的隐藏层。