学习笔记1：神经网络实现手写识别(Python语言)

问题：

手写数字识别是一个多分类问题，有10个分类，每个手写数字图像的类别是0-9中的一个数。使用sklearn来训练一个简单的全连接神经网络，对数据集DBRHD进行识别

---

学习内容：

DBRHD数据集介绍：1、已经归一化为手写数字为中心的32*32规格的图片。2、去掉了图片颜色等复杂因素，将手写体数字图片转化为训练数据为大小32*32的文本矩阵。3、空白区于使用0代表，字迹区域使用1表示。

神经网络参数设置：设置1层隐藏层，该隐藏层含100个神经元。初始学习率为0.0001，迭代2000次。使用logistic激活函数和adam优化方法。

MLP：多层感知机识别

注：文末附有本文数据集文件，分享给大家一起学习

import numpy as np
from os import listdir       #用于访问本地文件
from sklearn.neural_network import MLPClassifier
import time

start = time.perf_counter()

## 定义img2vector函数，将加载的32*32的图片矩阵展开成一列向