本问题可以看作“手写数字识别 MINST”的拓展， 在机器学习 领域属于较为常见的问题。采用神经网络的主要原因是神经网络运 算速度较高，容错能力强， 具有自组织能力且较易优化，对于作为 机器学习初学者的我们较为友好。我们在研究过程中遇到的问题及 解决方案如下。1.1 主要问题1) 图片识别问题。2) 处理图片方式选择问题。3) 运行速率提升问题。4) 准确率提升问题。1.2 解决方案1)将图片按比例划分成训练集，验证集与测试集，分别对图片进行裁剪， 并 通过卷积神经网络进行处理。 2)把训练样本分成若干个子集，这样每个子集包含的数据量就小 了，例如训练集 train 中仅有 2250 个图像，然后每次在单一子集上 进行神经网络训练，速度就会大大提高。3)不断进行优化，修改 lambda，调整迭代次数，进行多次训练， 并 将训练出的 theta 反复训练。将上述操作进行整合串联， 确定我们最后的解决方案为：数据处理 →初始化处理→建立模型→优化处理→检验→训练迭代→测试。