有這麼幾個坑：
首先，loss函式真的超級重要！隨神經網路層數的不同，loss函式也應該發生變化。比如我把莫煩python教程mnist的那個例子直接搬下來之後加了一層，正確率直線下降，找不到原因，到網上又找了個**一點一點改，發現把loss函式改掉之後正確率也基本上跟沒訓練差不多了。比如loss後面用的是交叉熵，而莫煩python用得不是。
第二個就是，分批次學真的很重要，我自己的神經網路基本上是照著莫煩的模板來的，但是不同的是我讀取資料用的是mnist庫而不是tensorflow自己的庫，這樣我load的時候load in batches他就會報錯（我現在都不知道，明明返回了兩個值，我用兩個資料匹配結果報錯），我就直接load training然後一次性載入。我把網上的模板**也這麼改了，果然正確率直線下降，訓練了跟沒訓練差不多。不過這個從直觀上也很好理解，畢竟如果一次性給我們學太多東西不給反饋，學了跟沒學差不多。一次次少量練習加反饋才能收到最好的效果。
待續吧，反正現在的階段就是，抄**都能生造bug，然後debug幾天（攤手）
順便，python真的難……
搭建神經網路
1.import 2.train,test 3.model tf.keras.model.sequential 在sequential中描述網路結構，相當於走一遍前向傳播 4.model.compile 在compile中配置訓練方法，選擇哪個優化器，選擇什麼損失函式，選擇什麼評價指標 5.mode...
神經網路體系搭建（一） 神經網路
本篇是神經網路體系搭建的第一篇，解決體系搭建的前四個問題，詳見神經網路體系搭建 序 神經網路的定義就不再贅述，直接從最簡單的神經網路說起。將一系列輸入資料，通過訓練好的網路模型處理，得到輸出結果，這是神經網路決策的步驟。那麼我們的重點就是通過訓練得到網路模型。從上圖可以看出，模型的關鍵其實是尋找合適...
簡單搭建神經網路
簡單的神經網路 準備，前傳，後傳，迭代 下面是乙個簡單的神經網路搭建的 coding utf 8 import tensorflow as tf import numpy as np batch size 8 seed 23455 基於seed產生隨機數 rng np.random.randomst...