MNIST手写数字的识别——CNN篇

这里贴一个用nolearn，lasagne训练CNN的例子，数据集嘛，当然是MNIST咯，keras暂时还没研究过，但nolearn训练CNN真的炒鸡炒鸡方便啊

这里简单说下CNN的结构，首先是输入层，是一个1*28*28的图像矩阵，用32个5*5*1的滤波器去虑，得到32*24*24的hidden layer，然后对这个东西进行（2,2）的maxpool，结果是32*12*12的hidden layer，然后在用17个32*5*5的滤波器去过滤，得到17*8*8的hidden layer，然后在进行（2,2）的maxpool，得到17*4*4的hidden layer。先把这个hidde layer投射到56个神经元的hidden layer（这里就像普通的神经网络了，所以叫dense layer），最后是输出层，输出有10个，用softmax进行判定。这里和Coursera上的AndrewNg老师的作业不太一样，因为作业中是用10个2分的logistic regression classifier进行分类的，所以对于单个training example，其造成的cost 是10部分的相加，但对于softmax，单个training example的cost直接就是一个东西。

# coding=utf-8
# 按