[云云怪]项目11：自制手写数字识别系统（MNIST、深度学习）

【创作背景】

我入坑围棋的时候，正逢“李世石vs Alpha Go”人机大战。这么几年下来，学棋不成总被吊打的我，就一直有个梦想：写一个围棋AI，拿去暴打包子，报仇雪恨。于是，学完python基础语法之后，我就开始朝着深度学习方向去了。

哪吒给我推荐了《深度学习入门》这本书，他说对新手极其友好，容易看懂，于是我就从这里入坑了。全书围绕MNIST手写数据集的识别，讲解深度学习的底层理论和代码实现，确实非常友好。除了一些数学公式和理论我已经忘光光之外，啃完书的我，自认为对深度学习有了基本概念。

然后就应该上手练习了吧！我的第一个小目标：

【目标】

封装一个完整的程序，实现手写数字拍照识别。

【目标实现】

1，《深度学习入门》自带了sample_weight.kpl文件，但我找不到这个文件，权重只能自己训练。好在啃完全书，照抄代码之后，我也能自己训练出一个权重了。把这个权重存下来，留待后用。

2，官方的MNIST数据集里的图片文件是封装好的，本小白也不知道怎么拆解它。对于自己拍的照片文件，只能想办法转换成适合MNIST模型的输入数据。

3，没了，就前面两条属于新知识。

【上代码】

# 第一段：用MNIST数据集训练权重，并把权重存起来，留待后用.

这一段需要引用之前编写好的：
two_layer_net.py
mnist.py
my_fn.py(书里叫funtions.py)

这几个文件在网上都很容易找到。

# 用MNIST数据集训练权重，并把权重存起来

import numpy as np
from two_layer_net import TwoLayerNet
from mnist import load_mnist
import matplotlib.pylab as plt
from my_fn import *
import pickle

# 读取MNIST数据集

(x_train,t_train),(x_test,t_test)=load_mnist(one_hot_label=True,normalize=True)
train_loss_list=[]
train_acc_list=[]
test_acc_list=[]
epoch=0