挑战mnist手写数字分类
作为实现通用人工智能的可能方式，神经网络近年来得到发展，因此我也尝试了解一下这些技术。经过一段时间的接触后，曾经对神经网络的很多误解都得到了消除。
这里先占个位子，本文内容慢慢补上。
本文的一个亮点：在不使用数据增强和卷积神经网络的情况下，仅仅使用多层全连接神经和一些技巧，实现在测试集上99.14%的准确率，相关对比和文献之后补充。
本文另一个内容：jax作为科学计算工具的可能性。jax是谷歌开发的神经网络代码工具。jax能帮助使用GPU进行线性代数计算，并内置自动微分，这有相当大的价值。从代码的角度，jax比手写opencl,cuda方便太多了，其灵活性完全可以满足一般数值计算（kaggle,colab这些还提供免费的GPU，在上面能很方便的使用jax）。科学计算完全能从神经网络的发展中获益。
