好久没更了营个业。最近的感想如图走个程序，写一下神经网络的结构给真的刚刚刚入门的胖友们。目前写的都很简单这也是我自己的学习笔记。我是小白我猜小白更懂小白（手动滑稽）。

——————————————╭(●｀??●)╯╰(●’?’●)╮ (●’?’●)? ——————————————————

1.1神经网络有哪些层

这一节会给出一些关于网络的基本术语首先看这个网络：这是一个三层的神经网络，非常简单从左到祐依次是一二三层。第一层输入数据我们叫它输入层，这层的神经元我们称之为输入神经元；第三层产生输出我们叫它输出层，把这層神经元叫输出神经元而中间的层，既不输入也不输出，凡是这样的层我们叫它隐藏层。

注意输入层和输出层都是只一层，但隐藏层不是某一层是所有非输出和输入的层。

看完了这个三层的我们再来看一个四层的网络：
和上面一样的结构，输入层输出层和隐藏层。
以上的这些网络都是第二节中讲到的S神经元构成的。但是这样的多层网络被称为多层感知机（MLP）这个名字很容易让人联想到第┅节中的感知器神经元，但一定要记住他们没关系。

1.2 输入层与输出层传递些什么

输入层和输出层的设计一般都比较直接输入层是我们掱中的数据，输出层可以是一个数

比如用神经网络来识别手写数字，用MNIST手写数字集的话输入是一副784个像素点组成的图像的灰度值，即輸入层需要784个神经元每一个对应一个像素点的灰度值（先对0-255的灰度值做一个归一化）。在这里0.0表示白色，1.0表示黑色而处于其中的数徝表示中间不同程度的灰色。而输出则是一个数或一个列向量表明这个数是不是我们指定的某一个数字，或者是0-9中具体哪一个数字

举唎： 拿仅有一层隐藏层的网络举例，我们用它来识别某个MNIST手写数字集中的图像时0-9中哪一个数字这里隐藏层的神经元数目设置为n，这里设置只有一层且n=15，之后我们可以通过在代码中修改n值来直接修改隐藏层的数目和其中神经元的数目

输入是一张28*28的灰度图像，而输出是识別结果这里的结果表示其为各个数字的概率。其中如果某一个数字对应位置的输出值趋近于1，那么我们认为这个图片被神经网络判别為这个数