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）。
——————————————╭(●｀∀´●)╯╰(●’◡’●)╮ (●’◡’●)ﾉ ——————————————————
1 神经网络基本结构
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。从左到右依次是一二三层。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，把这层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一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。输入层是我们手中的数据，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，即输入层需要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，而处于其中的数值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。
举例： 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，而输出是识别结果。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为这个数。
End。