手把手教你搭建BP神经网络，并实现手写mnist手写数字识别

一、BP神经网络（back propagation neual network）过程原理：
1、数学基础：矩阵乘法、高数、不多做赘述直接上公式
2、推倒过程如下图片所示：

二、BP神经网络基于python的实现
代码：
可以直接使用，需要下载手写数字识别图像的文件，训练集：http://www.pjreddie.com/media/files/mnist_train.csv
测试集：http://www.pjreddie.com/media/files/mnist_train.csv ，下载完成后只需要在file操作时改成自己的文件路径
即可运行，得到训练的最终结果

import numpy
import scipy.special
import matplotlib.pyplot
#创建神经网络类，以便于实例化成不同的实例
class NeuralNetwork:
    def __init__(self,input_nodes,hidden_nodes,output_nodes,learning_rate):
    	#初始化输入层、隐藏层、输出层的节点个数、学习率
        self.inodes=input_nodes
        self.hnodes=hidden_nodes
        self.onodes=output_nodes
        #定义输入层与隐藏层之间的初始权重参数
        self.wih=numpy.random.normal(0.0,pow(self.hnodes,-0.5),(self.hnodes,self.inodes))
        #定义隐藏层与输出层之间的初始权重参数
        self.who=numpy.random.normal(0.0,pow(self.onodes,-0.5),(self.onodes,self.hnodes)