這個Project主要實現了兩個任務：
1. 用Perceptron 識別不同的Pacman，畫一條線區分開。
Perceptron classifier 是一種識別分類問題的簡單機器學習算法。 【基本上就是畫個線區分開來】
給一堆features 給Perceptron模型，features假設當做x，Perception會算出 x*w 的值。 x， w 我們要當向量去看，因為features會有很多values， weights也會有很多values。
一開始我們是不知道weight應該是多少的，要自己去find weights。 每當我們預測一個類別，假設預測正確，說明現在模型挺好。 如果預測錯誤，代表模型weights有問題，往回調一點weights。
不斷訓練，每次訓練classify一個值，如果==正確的label 就不用管他。如果預測錯誤，假設現在有兩類的weights
一類是預測貓一類預測狗。正確答案是貓，我們現在預測了狗。 那么我們要把預測貓的weights多加一點以后讓他可以預測成貓，預測狗的weight減少一點。
2. MNIST Dataset識別?
之后切換成Tensorflow來組MNIST Dataset的classification
實現了一個Gradient 和 Momentum 以及HyperParamter。
