实验目的
通过实验了解全连接神经网络的结构，应用全连接网络处理分类和回归任务。
实验任务
1）初级实验：①手写体图像识别实验；②FashionMnist图像分类实验；③汽车里程数预测实验。
2）中级实验：①鸢尾花分类任务对比实验。
实验步骤
1.手写体图像识别实验
1）处理需要的数据集，这里使用了MNIST数据集。
2）定义一个网络，这里我们使用LeNet网络。
3）定义损失函数和优化器。
4）加载数据集并进行训练，训练完成后，查看结果及保存模型文件。
5）加载保存的模型，进行推理。
6）验证模型，加载测试数据集和训练后的模型，验证结果精度。
2.鸢尾花分类任务对比实验。
优化器是神经网络训练过程中非常重要的结构，正是因为优化器的存在帮助初始化参数的网络一步步学习到了符合训练集数据特征的最优参数。本实验主要介绍如何使用MindSpore进行优化实验。通过分析无优化器、SGD优化器、Momentum优化器、Adam优化器模型在求极值点和分类任务下的结果 ，得到不同优化器的作用。
实验结果
