深度学习（二）：用CNTK在Python下实现一个简单的FeedForward网络

本次考虑用CNTK实现一个最简单的前馈网络，所使用的数据集为OpenML上一个one_hundred_plants_shape，原数据集为arff格式，本人已转换为csv格式上传到了百度网盘中。数据集为1600*65，前64列为特征值，最后一列为分类号，从1至100，每一类16组数据。cntk版本为beta 5。主要用到的模块为cntk.learner、cntk.trainer、cntk.ops、cntk.utils。learner模块主要包含了一些随机优化算法如sgd()、momentum_sgd()等。trainer模块主要在训练模型时使用，常用的函数为train_minibatch()和test_minibatch()。ops模块中包含了各种运算函数，也有计算模型优度的函数cross_entropy_with_softmax()、classification_error()。

一般而言，训练神经网络需要以下几个步骤：

1. 读取数据并对数据进行处理；
2. 建立神经网络模型；
3. 初始化学习器learner与训练器；
4. 训练模型；
5. 对模型进行测试。

读取数据并进行处理

在python中读取数据可以使用numpy的genfromtxt()，用delimiter设置分隔符。此外在CNTK中，目标向量需要转换为张量才能进行处理，因此需要预处理。假设目