基于多层感知器的手写数字识别

简介：
本研究采用多层感知器神经网络模型，专注于手写数字图像的自动识别技术，通过训练大量样本数据以提高识别准确率。 本次案例提供了若干初始代码，可以根据这些代码完成相关任务。各文件简介如下： - mlp.ipynb 文件包含了本案例的主要内容，并且运行该文件需要安装 Jupyter Notebook。 - network.py 文件定义了网络结构及其前向和后向计算过程。 - optimizer.py 文件中定义了随机梯度下降(SGD)算法，用于实现反向传播及参数更新功能。 - solver.py 包含训练与测试过程中需要用到的函数定义。 - plot.py 用来绘制损失函数和准确率的变化曲线图。 运行初始代码前，请确保安装了 TensorFlow 2.0 或更高版本。请注意，在整个案例中仅允许使用该库处理数据集，不得直接调用其内部函数进行其他操作。