深度学习基础课：使用卷积神经网络识别手写数字

大家好~我开设了“深度学习基础班”的线上课程，带领同学从0开始学习全连接和卷积神经网络，进行数学推导，并且实现可以运行的Demo程序

线上课程资料：

本节课录像回放

加QQ群，获得ppt等资料，与群主交流讨论：106047770

本系列文章为线上课程的复盘，每上完一节课就会同步发布对应的文章

本课程系列文章可进入索引查看：

深度学习基础课系列文章索引

目录

• 为什么要学习本课
• 神经网络结构
• 代码实现
• 出现收敛的问题

为什么要学习本课

• 为什么要使用卷积神经网络识别手写数字？
  答：因为相比之前使用全连接层神经网络识别手写数字，卷积神经网络中的卷积层的准确率更高，参数更少，从而使神经网络的深度能够更深，最终提高识别的准确率

神经网络结构

• 结构为：folder+conv+max pooling+flatten+linear+linear
  其中folder层的作用是将输入的Vector数据转换为Matrix数据；flatten层的作用是将Matrix数据转换为Vector数据。
  这里值得注意的是因为设置conv的zero padding为2，所以虽然input（手写数字）的宽高为32，但传给folder层和conv层的宽高为32-2-2=28

代码实现

• 入口代码为：Main

出现收敛的问题

• 运行入口代码，出现训练无法收敛的问题（正确率一直在10%以下）。这个问题会在下节课解决