學習深度學習，肯定要接觸CNN（卷積神經網路）和RNN（迴圈神經網路），剛好斯坦福大學給出了一個線上的卷積神經網路的例子，方便大家學習和了解深度學習。這個Demo從MNIST資料庫中取出了60000張28X28畫素的圖片作為訓練的樣本；那麼什麼是MNIST資料庫呢》MNIST是一個手寫數字資料庫，它有60000個訓練樣本集和10000個測試樣本集。它是NIST資料庫的一個子集。MNIST資料庫官方網址為：http://yann.lecun.com/exdb/mnist/ ，也可以在windows下直接下載，train-images-idx3-ubyte.gz、train-labels-idx1-ubyte.gz等。下載四個檔案，解壓縮。解壓縮後發現這些檔案並不是標準的影象格式。這些影象資料都儲存在二進位制檔案中。每個樣本影象的寬高為28*28。說白了，就是下面的圖片。很難看吧，但是卻是一個不可多得的在影象識別領域用來學習和訓練神經網路的一個很好的樣本庫。

扯遠了，那我們直接來看這個demo給我們什麼資訊。首先上第一張圖，這個demo執行我們調節CNN模型裡面的一些引數值，並直接給出了一張非常直觀的損失函式變化的二維圖，非常的直觀。

接下來我們來看，其還用圖形化顯示出了一些這個demo中的卷積神經網路中的一些引數和變數，比如啟用函式，梯度的變化範圍等；

已經做了卷積後的梯度的變化範圍，引數個數等。

最後，還給出了測試集中的預期的輸出的例子。

這個demo可以一直掛在當前的瀏覽器跑下去。

對了，說了這麼長時間，網站地址呢？

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

參考文獻：

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

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

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