今天把神经网络的代码运行起来了。由于代码是用Python2编写的，在Python3环境下有些错误，经过百度后成功解决，包括cPickle被pickle替换、pickle.load的编码等。运行结果如下图：
对于代码几个方法的理解如下：
- feedforward，根据输入计算整个神经网络的输出值。理解这个函数的关键之处是要理解self.weights的数据结构，这是一个l*i*j的三维数组，其中，l是神经网络的层数减1，之所以减1，是因为每个权重都代表了两个神经元之间的权重；i是后一层神经元的数量，j是前一层神经元的数量。比如，示例代码中的数据结构就是[(30*784),(10*30)]；
- SGD，基于小批量数据方法训练神经网络，利用梯度下降算法计算神经元的权重和偏置，该方法是network类的入口方法。
- update_mini_batch，基于小批量训练数据更新神经网络的权重和偏置值。
- backprop，计算代价函数值，这个方法还没有读懂。
- evaluate，利用测试数据验证神经网络预测正确的数量。
- sigmoid_prime，S型函数的导数计算，S型函数（sigmoid）的求导过程如下：
