MNIST手写数字识别教程

本项目是一个使用NumPy实现的简单神经网络，用于手写数字识别。项目使用了MNIST数据集，该数据集包含60,000个训练样本和10,000个测试样本，每个样本是一个28x28像素的手写数字图像。

目录

• 介绍
• 安装
• 使用
• 代码结构
• 结果展示

介绍

本项目的主要目标是通过简单的神经网络实现手写数字识别。项目使用了以下技术：

• NumPy：用于数值计算。
• Matplotlib：用于绘制训练和测试结果的图表。

安装

前提条件

• Python 3.6 或更高版本
• 安装所需的Python包：

  pip install numpy matplotlib

使用

1. 确保所有依赖项已安装，并且数据集已正确放置在_data目录中。
2. 运行main.py文件：

    python main.py

运行后，程序将训练神经网络并输出每个epoch的训练和测试误差以及准确率。最后，程序将绘制训练和测试集的误差和准确率图表。

代码结构

• main.py：包含整个项目的代码，包括数据加载、模型定义、训练过程和结果可视化。

主要功能

• 数据加载：从_data目录加载MNIST数据集，并进行预处理。
• 模型定义：定义了一个简单的两层神经网络，使用ReLU激活函数。
• 训练过程：通过前向传播和反向传播训练神经网络，并使用dropout进行正则化。
• 结果可视化：使用Matplotlib绘制训练和测试集的误差和准确率图表。

结果展示

训练完成后，程序将输出每个epoch的训练和测试误差以及准确率，并绘制以下图表：