理解神经网络

这篇博客是接着上一篇神经单元写的：http://blog.csdn.net/zsy162534/article/details/51112337

了解了什么是神经单元，就很容易理解神经网络，神经网络就是一系列神经单元连接而成构成的网络结构，如下图：

这是一个5层神经网络，包括输入层和输出层，输入层也叫做数据层，一般接收数据的输入。

这里每一层的神经单元都与相邻层的神经单元连接，而与本层的神经单元无连接，因此也叫全连接神经网络。

使用神经网络训练图像数据时，将图像的第一个像素（第一行第一列）输入到第一个神经单元，第二个像素输入到第二个神经单元，以此类推。因此必须保证输入层神经单元的个数与图像像素个数一致，这也是输入图像大小必须一致的原因。

若输出层为SOFTMAX层，则输出层神经单元个数要保证与所需分的类别个数一致，例如要分10个类，则输出层神经单元个数为10.

训练神经网络的目的就是不断更新网络中的权值直到收敛，使得神经网络可以准确的处理分类问题。