[4]深度学习和Keras斯坦福的一个可在线运行的卷积神经网络的Demo

学习深度学习，肯定要接触CNN（卷积神经网络）和RNN（循环神经网络），刚好斯坦福大学给出了一个在线的卷积神经网络的例子，方便大家学习和了解深度学习。这个Demo从MNIST数据库中取出了60000张28X28像素的图片作为训练的样本；那么什么是MNIST数据库呢》MNIST是一个手写数字数据库，它有60000个训练样本集和10000个测试样本集。它是NIST数据库的一个子集。MNIST数据库官方网址为：http://yann.lecun.com/exdb/mnist/ ，也可以在windows下直接下载，train-images-idx3-ubyte.gz、train-labels-idx1-ubyte.gz等。下载四个文件，解压缩。解压缩后发现这些文件并不是标准的图像格式。这些图像数据都保存在二进制文件中。每个样本图像的宽高为28*28。说白了，就是下面的图片。很难看吧，但是却是一个不可多得的在图像识别领域用来学习和训练神经网络的一个很好的样本库。

扯远了，那我们直接来看这个demo给我们什么信息。首先上第一张图，这个demo运行我们调节CNN模型里面的一些参数值，并直接给出了一张非常直观的损失函数变化的二维图，非常的直观。

接下来我们来看，其还用图形化显示出了一些这个demo中的卷积神经网络中的一些参数和变量，比如**函数，梯度的变化范围等；

已经做了卷积后的梯度的变化范围，参数个数等。

最后，还给出了测试集中的预期的输出的例子。

这个demo可以一直挂在当前的浏览器跑下去。

对了，说了这么长时间，网站地址呢？

请见： http://cs.stanford.edu/people/karpathy/convnetjs/demo/mnist.html

参考文献：

http://deeplearning.net/tutorial/gettingstarted.html

http://m.blog.csdn.net/article/details?id=53257185

http://blog.csdn.net/fengbingchun/article/details/49611549