0.实现线性回归
shift+tab按两下查看函数参数，units：神经元个数即输出维度
下图lw为线宽
下图为去掉噪音noise，增加迭代次数的结果：
1.实现非线性回归
2.MNIST分类（识别）
2.1 交叉熵
上节mse改了
2.2 Dropout
过拟合
加入dropout
2.3 正则化
2.5 优化器
3.CNN应用于手写数字识别
4.RNN应用于手写数字识别
5.模型的保存和载入
载入模型后可继续训练评估如下图：
以上是可以保存模型结构和参数，下面分开：
6.绘制网络结构
7.图像数据增强
上图随机错切变换0.2改为20
在temp文件夹里
8.简单CNN完成猫狗分类（2分类）
8.1 Finetune-VGG16完成猫狗分类
9.狗品种识别（多分类）
plt.axis(‘off’)不显示坐标轴
