bp神经网络数字识别matlab_通过深度学习神经网络，基于MNIST实现手写数字识别

通过深度学习神经网络，基于MNIST实现手写数字识别算是深度学习里的“Hello world”了，记录一下个人的实现过程。

思路

将图片格式化成28*28=784像素的灰度图片，如下图：

每个像素都是一个0~255的颜色值，这样我们就得到了如下数组：

此为输入层。

收集手写图片，制成标准化的图片还是很麻烦的，可以使用MNIST提供好的图片：

也可以使用已经数字化的文件：

以mnist_test_10.csv的一组数据为例，每行代表一张手写数字图片的颜色值数组，“,”分隔，第一个是手写数字的真实值。

我们将其从文件里取出来，解析并展示一下，代码：

import numpyimport matplotlib.pyplot#从文件取出数据data_file=open("mnist_test_10.csv","r")data_list=data_file.readlines()data_file.close#把数组转为图像显示，第一个数字是7allVals=data_list[0].split(",")#asfarray把数组转成浮点数组，[1:]从第2个取到最后一个元素，reshape把一维数组改成28*28的二维数组imgArr=numpy.asfarray(allVals[1:]).reshape((28,28))