初识神经网络（一）：神经网络基本结构
从手写数字识别说起
学习深度学习前，我们先不管电脑，我们以我们的人脑为例，来看看我们是怎么学习的，我们的学习需要哪些过程。
那我们来回忆一下我们的学生时代吧，我们要学习首先需要有一个脑子……
然后呢，老师告诉我们，考试要考100分，我们要尽量考高。
我们开始做练习，联系完之后对答案，练习分数越低，说明这段时间学的越差，证明这段时间学习方法不对，要调整！
然后学学学，直到考试能够考到接近满分就OK啦。
正常学生的学习过程应该都是类似上述这样的，整个过程有几个关键：脑子，目标，学习过程。
好看懂了人类是如何学习的，我们来看一个深度学习中的helloword——手写数字识别。
看到如下这个28X28的手写数字3
凭你的聪明才智，你一定能一眼认识出来，不仅如此，不管它怎么变化，都能够看出它就是3这个数字。
但现在就有一个问题，老板命令你，你滴，把这个写成程序的干活，这个时候你要怎么处理呢。
这时候我们就想，既然想让计算机去像我们一样学习，我们就需要先让计算机“读懂”这几张图片，28X28的图片，对计算机来说就是756个表示不同灰度的数字，按0表示全白，1表示全黑，0-1之间的数就能表示灰度了，这样就让计算机读懂了这张图片，然后完成的人物是什么呢，判断他是0-9中的哪个数字，那就可能有10个不同的输出，我们可以让计算机计算这张图片与0-9十个数字的相似度，相似度最高的自然就是结果了。
这样我们就构建了一个756输入，10输出的函数，这也就是我们神经网络的雏形了。
神经元是什么
我们来观察我们建立的神经网络中的每一个节点，也就是神经元神经元其实就是一个存储数字的地方，存储的数字在0-1之间，输入的神经元中，这个数表示灰度，输出的神经元中，这个数表示与该数字的相似度。
权重和偏置的作用
隐藏层的作用
我们接下来看我们的网络结构，结构中除了输入和输出外，我们还有两层神经结构，那么他们有什么作用呢，我们可以直观的想像一下，如果我们知道图片上方有一个“o”,图片下方也有一个“o”我们不难判断这个数字是“8”，如果上面是“o”,下面是“l”，那么这个数字很有可能是“9”，所以我们很乐意倒数第二层的作用是分出“o”和“l”来。
那么这就又有一个问题，怎么识别“o”和“l”呢，我们又会想可以识别处每一条小短边，将他们拼成“o”和“l”,是不是就可以。
因此，有了思路，我们就好办了，我们只需要调节旋钮，使得输入之后，第一层能够激活对应的小短边，小段边又能激活小长边就Ok了
