UFLDL矢量化编程练习：用MNIST数据集的稀疏自编码器训练实现

     折腾了两天，总算实现了用MNIST数据集的稀疏自编码器训练。发现了以下问题：

     1，matlab编程所写代码不能太奢侈。定义变量时要尽量节省内存资源，向量能解决的不要用方阵，int8类型能解决的不要用双精度数；

     2，UFLDL提供的minFunc函数有问题，样本数再少都会溢出，换为第一单元建议的另外一个函数，fminlbgs.m可以避免内存溢出问题，而且用随机选取的10000个手写数字训练能得到正确结果（与网站提供图片一致）。

    3，优化过程中真正的内存消耗，大头不是样本数，而是参数个数。10000个样本，双精度数时占内存不过60多兆，而30万个参数，保留几个副本，普通机器真是相形见拙，令人灰心。不过从中悟出一些道理，也算值了。

    4，我把用MNIST数据集训练稀疏自编码器程序打包上传，希望能对感兴趣的人有所帮助。