本文重点：

小结一下使用神经网络时的步骤：

当我们在训练一个神经网络的时候，我们要做的第一件事情就是搭建网络的大体框架，这里所说的框架的意思是神经元之间的连接模式，我们的神经网络的结构，我们可以选出很多种结构，比如：

第一种神经网络的结构是：三个输入单元，五个隐藏单元，四个输出单元

第二种神经网络的结构是：三个输入单元，两层都是五个神经元的隐藏层，四个输出单元

第三种神经网络的结构：

等等还有无数种神经网络的结构，这里不一一列举了

我们应该选择哪种结构来作为我们的神经网络的结构呢？

我们已经定义了输入单元的数量，一旦确定了特征集样本x的特征，那么神经网络中对应的输入单元数就确定了。

如果要进行多类别的分类，那么输出层也将由分类类别的个数确定。如果多元分类的问题y∈{1，2，3，4，5，6，7，8，9，10}那么10个分类，我们的输出层的y表示第几类应该写成向量的形式：

下面应该确认隐藏层的单元的个数以及隐藏层的数目了，我们有一个默认的规则，那就是使用单个隐藏层（这是最普遍的情况），如果不是一个隐藏层的话，也有一个默认的规则，那就是每一个隐藏层通常都有相同的单元数。

通常来说隐藏层的单元的个数应该是越多越好，不过有一点需要注意的是如果有大量的隐藏单元计算量会比较大，一般来说每个隐藏层所包含的单元的数量还应该和输入x的维度相匹配，也就是和样本的特征数目相匹配，也有可能隐藏单元数目和输入特征数量相同或者二倍三倍或者四倍，一般来说隐藏层单元稍微大于输入特征数目也是可以接受的。以上就是选择什么网络结构时的一些建议。

下面详细介绍一下，如何实现神经网络的训练过程：