本博客以经典的MNIST手写数字识别为例，逐步实现了一个通用的深度学习网络模型架构，无需调用任何第三方库和框架，使用matlab进行快速构建、训练和测试am严格遵守两个博客的符号和公式，DNN神经网络的反向更新（BP）和卷积神经网络（CNN）的反向传播算法.MNIST手写数字包含60000个训练图像，10000个测试图像，图像大小为28×28，灰度图像，官网分别提供四个二进制存储文件、训练和测试数据集以及标签文件。假设读者已经理解链接博客的理论知识（如果您不清楚，可以参考更多文献和程序代码中给出的链接），我们接下来执行以下具体实现。
本篇博客以经典的MNIST手写数字识别为例，逐步一步步实现通用的深度学习网络模型架构，不调用任何第三方库和框架，使用matlab进行快速搭建、训练和测试。程序中所涉及的理论知识及使用的变量名严格按照DNN神经网络的反向更新（英国石油公司）卷积神经网络（美国有线电视新闻网）反向传播算法 这两篇博客的符号和公式进行。MNIST手写数字包含60000张训练图片，10000张测试图片，图片大小为28×28，灰度图像，官网给出的是四个二进制存储的文件,分别为训练和测试的数据集和标签文件。假设读者已经明白所给链接博客的理论知识（不清楚可以参考更多文后的文献和程序代码中给的链接），我们接下来进行下面的具体实现。