MINIST手写识别（前向传播的python实现）

数据集的读取

以“(训练图像,训练标签)，(测试图像，测试标签)”的形式读入的MNIST数据

import sys, os 
sys.path.append(os.pardir) # 为了导入父目录中的文件而进行的设定 
from dataset.mnist import load_mnist

(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=False)
# flatten：设置 是否展开输入图像（变成一维数组）
# normalize：设置是否将输入图像正规化为0.0～1.0的值。如果将该参数设置 为False，则输入图像的像素会保持原来的0～255
# one_hot_label设置是否将标签保存为onehot表示（one-hot representation）。 one-hot表示是仅正确解标签为1，其余 皆为0的数组，就像[0,0,1,0,0,0,0,0,0,0]这样。当one_hot_label为False时， 只是像7、2这样简单保存正确解标签；当one_hot_label为True时，标签则 保存为one-hot表示。
#在学习权重参数时，读数据集标签时需要用onehot格式的标签

显示某个样本图像

import numpy as np 
from PIL import Image             #为了显示图像
img = x_train[0] 
label = t_train[0]
img = img.reshape(28, 28)         #前面读取为一维数组，所以要reshape
def img_show