在手写数字识别神经网络实例中，是怎么把图片变成数字的？手写数字神经网络数值维度怎么传递的？

在手写数字识别神经网络实例中，是怎么把图片变成数字的？手写数字神经网络数值维度怎么传递的？

我们手写的数字，展现出来是一张图片，但是我们神经网络最后输入的0-9的数字，中间究竟是怎么演变的。神经网络是怎么工作的，让我们来深入了解一下吧。

1.把图片转换成数组，图片是28*28像素的图片，因为是黑白图片，每个像素用0-255，在具体程序中，把0-255的数字转换成0.01-0.99间的小数，为什么是0.01，因为程序中乘积传递数据的，0乘以任何数都为0，数据就没办法变化，就没办法传递了。

inputs = (np.asfarray(all_values[1:]) / 255 * 0.99) + 0.01

    这里转换成的是784*1的矩阵，是而不是28*28，是为了方便计算。是不是必须转成n多行，1列的的矩阵呢？不一定，主要是看你后面怎么计算的需要，比如用卷积方法，就完全不用。其实不管点积和卷积，都是把一个大的矩阵变小，或者说就是降维。

    2.把784*1的矩阵变成200*1的矩阵。在这个变化过中，实例用的是点积法（numpy.dot（））方法。在两个过程点积过程中，有这么一条规则，numpy.dot(m*n,n*l),就是用m*n维的矩阵和n*l维的矩阵点积，然后得到一个m*l的矩阵，这里两个的矩阵中的n必须是对应的。隐藏节点是200，所以numpy.dot(200*784,784*l)，最后得到的是200*1