1.初来乍到
实现第一个神经网络程序很有必要，试试实现神经网络领域的Hello World程序，也就是MNIST手写识别
实现这里的代码 http://blog.csdn.net/wspba/article/details/54097760
如果代码的原理有不懂的地方，可以看
http://www.tensorfly.cn/tfdoc/tutorials/mnist_beginners.html
我迭代了900次的结果，百分之92的识别率，还不错吧？
0 0.9028
100 0.9127
200 0.9151
300 0.9153
400 0.9048
500 0.9146
600 0.9142
700 0.8976
800 0.9174
900 0.919
我相信总有一些地方你理解不透，比如某些函数的功能和参数。我帮你挑了两个。
tf.argmax函数详解
http://blog.csdn.net/qq575379110/article/details/705380514
tf.reduce_mean函数
http://blog.csdn.net/qq_32166627/article/details/52734387
请务必掌握MNIST的这段代码，尤其是搭建整个神经网络需要几步，或者说几个模块。同时，最好了解简单的tensorflow运行原理，比如tf.Session()函数是如何运作的。
代码语法不懂？
如果看不懂代码的语法请不要略过，首先看简单的文档，大体了解基本语法
https://www.jianshu.com/p/2eac65211314
http://blog.csdn.net/jingyi130705008/article/details/78813916
然后，我给你找了本字典。遇到不会的函数，在网页里查询关键字；哪里不会查哪里，这样我就不用担心你的学习啦。
https://www.w3cschool.cn/tensorflow_python/tensorflow_python-hckq2htb.html
2.小试牛刀
我们的论文中说到“我们提出了一种基于栈式自动编码器的新DNN体系结构，用于减少特征空间维度，并提供了一个前向分类器，用于使用arg max函数进行多标签分类。”核心算法是Stacked AutoEncoder 也就是栈式自动编码器。
首先要学习自编码器AutoEncoder，这是SAE的基础。
http://blog.csdn.net/marsjhao/article/details/68950697
3.下周一见
栈式自动编码器不简单，代码量大。首先，SAE神经网络的层数很多。其次，结构复杂，栈式自动编码器就是编码自动编码器的自动编码器，所以对神经网络的结构需要有清晰的理解。
我们一步步来吧，代码先不着急实现。通过这篇文章了解具体的原理，在深入理解的基础上，我们会继续实现代码。
http://www.cnblogs.com/yymn/articles/4971020.html
最后，我把咱们的论文翻译出了中文版。由于我好奇你是什么时候看完了这篇文章，所以请在看到这行字的时候私聊我，届时我会把中文版的论文发到群里。
