训练神经网络

使用CNN对MNIST数据集进行手写数字分类，设计了两层卷积层、池化层和全连接层并可视化了训练过程中模型的偏置、权重变化以及准确率和损失值变化。在实验过程中，卷积层通过提取低层特征（如边缘、纹理）到高层特征（如形状），实现逐层特征提取。Dropout层在减少过拟合、提升模型泛化能力方面发挥了重要作用。通过图表观察偏置和权重分布的变化，能够有效判断模型是否存在梯度爆炸或消失问题。