复旦大学神经网络和深度学习课程的作业说明

本作业是大数据学院 邱锡鹏老师的神经网络和深度学习的作业，课程代码 DATA130011.01。

运行环境

本次作业需要首先安装 anaconda3 下载地址 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ ， 安装的tensorflow 版本大于0.12即可，目前的版本都远大于0.12。 windows 用户，使用tensorflow 只支持python3.5 ，对应的anaconda3-4.2.0。mac 或者linux系统没有这个问题。

要求

作业需要提交到elearning 上面，提交作业的时候，请提交一个“14300000001.zip”压缩文件即可。 该作业需要同学们独立完成，后面会采用抽查的方式，检查同学们的作业情况，如果发现两个人提交的完全一样，本次作业将记0分处理。

本作业提交的截止日期是10月31日，23:55分。过期提交请在压缩文件名的学号前面注明 “迟交”，（例如 “迟交14300000001.zip”）迟交将会扣除一定分数，迟交的最后截止日期是11月3号23点55分，此后提交的将会不得分。（如果有特殊情况，确实提交不了，请预先发邮件给我 [email protected]）

作业1：

本作业主要是让大家熟悉numpy.numpy 是一个很实用的数据科学计算的工具，它集成了很多矩阵操作和数学函数，对我们的学习和研究都很有帮助。本作业的内容是按照题目的文字要求，填写对应的语句，然后执行自己填写的语句。最后需要保存自己的ipynb 文件，并放到自己的压缩包里面。

作业2：

本作业主要是熟悉写简单的神经网络的方法。尝试用numpy 和tensorflow的两种方法实现这个神经网络。

(1).NMIST数据集

MNIST数据集包括60000张训练图片和10000张测试图片。图片样本的数量已经足够训练一个很复杂的模型（例如 CNN的深层神经网络）。它经常被用来作为一个新 的模式识别模型的测试用例。而且它也是一个方便学生和研究者们执行用例的数据集。除此之外，MNIST数据集是一个相对较小的数据集，可以在你的笔记本CPUs上面直接执行。

(2).关于报告

你需要提交你的源代码（请提交 ipynb 格式的文件）和你的报告(格式为pdf文件)。报告包括 至少包括 “运行结果的截图” + 讨论分析。如果尝试了新的办法，提高了预测精度，可以加分。

(3). 神经网络

本作业的第一个文件是numpy实现的全连接神经网络，缺少训练函数部分，主要内容就是更新权重,请同学们补充完整。

另一个文件是用tensorflow实现的全连接神经网络，交叉熵损失函数的节点和训练函数的节点未写出，请同学们补充完整。