《Python神经网络编程》一书的学习
全书详解了代码的来源，除此之外，还提供了一些数据可供学习：
完整代码详见：Python实现神经网络
关于MNIST数据集：
1、由受人尊敬的神经网络研究员Yann LeCun的网站可以得到原始格式的MNIST手写数据集参见：MNIST数据库（1.0）
2、由于上述的MNIST数据库的格式不容易使用，因此其他人创建了相对简单的数据文件格式，参见：MNIST数据库（2.0）
这些文件称为CSV文件，这意味着纯文本中的每一个值都是由逗号分隔的，我们可以轻松地在任何文本编辑器中查看这些数值，大部分的电子表格和数据分析软件也兼容CSV文件。
在此网页下，可下载测试集 train set 和训练集 test set 这两个CSV文件.
用excel打开：
用文本编辑器打开：
第一列的值是标签，即书写者实际希望表示的数字，如“5”“0”或者“7”“2”等，这是我们希望神经网络学习得到的正确答案。
（每一行共785个值，编辑器自动换行了，例如，用文本编辑器打开测试集，第一列的第一个值是7，第二个值是2……）
为什么每一行除标签外剩下的共有784个数字？是因为，后面的值，是手写体数字的像素值，像素数组的尺寸是28X28，因此在标签后有784个值。
3、MNIST数据的数据文件是相当大的，因此在深入研究之前，我们应该下载MNIST数据集中的一个较小的子集。较小的字体意味着我们可以实验、尝试和开发代码，而不会由于大量的数据集而拖慢计算机的速度。一旦确定了乐于使用的算法和代码，我们就可以使用完整的数据集。
以下是MNIST数据集中较小子集的链接，也是以CSV格式存储的：
MNIST测试数据集中的10条记录和训练数据集中的100条记录——参见：https://github.com/makeyourownneuralnetwork/makeyourownneuralnetwork/tree/master/mnist_dataset