UFLDL教程 Exercise:Vectorization（答案）

（注：本人刚刚着手DL，所以博文也仅属于学习笔记范畴，每篇博文我都会将内容摘抄地址附在最上面，如果冒犯原作者，请见谅哈~）

参考链接：

/article/5196566.html

网页教程参考：

Exercise:Vectorization

这一节练习是教我们怎么矢量化编程来代替低效率的for循环，用了MNIST数据集，其实和上一节基本一样，只是数据集变了而已，因为上一个博文（Exercise：Sparse
autoencoder）代码部分已经是运用矢量化编程的了，所以步骤有以下两步：

1、train.m文件中把step0里面的各个参数调整成这样：

<span style="font-size:14px;">visibleSize = 28*28;   % number of input units
hiddenSize = 196;     % number of hidden units
sparsityParam = 0.1;   % desired average activation of the hidden units.
% (This was denoted by the Greek alphabet rho, which looks like a lower-case "p",
%  in the lecture notes).
lambda = 3e-3;     % weight decay parameter
beta = 3;            % weight of sparsity penalty term</span>

2、step1里面的写成这样：

<span style="font-size:14px;">images = loadMNISTImages('train-images.idx3-ubyte');
patches = images(:,1:10000);
%
% patches = sampleIMAGES;</span>

注意：一定要把梯度检查注释掉，因为这次的数据集相对比较大，梯度检查所以会很慢。训练结束后会得到这种样子的图片：