Neural-Network-From-Scratch:从头开始的Perceptron神经网络实现多类图像分类

从零开始的神经网络 多类Perceptron神经网络是由Scrach开发的，无需使用任何机器学习库。 数据 我们使用归一化为28x28（784）位向量的手写数字图像的MNIST数据集。 训练集包含60,000张图像。 测试集包含10,000张图像。 型号说明 该模型是具有1个隐藏层的Perceptron神经网络。 输入层-784个节点 隐藏层-带有Sigmoid作为激活功能的256个节点。 输出层-具有Softmax作为激活功能的10个节点。 训练 该模型经过严格训练，并使用随机梯度体面法进行了微调。 使用交叉熵损失函数计算损失。 纪元数= 20 学习率= 0.005 结果 该模型实现了94.7％的训练准确度和93.4％的测试准确度。