Python 用模拟退火法训练神经网络

我试图用模拟退火训练一个简单的神经网络。我编写了一个神经网络，输入层有784个输入节点（28 x 28像素：我正在使用MNIST数据库进行训练），1个隐藏层有100个节点，输出层有10个终端节点。我还编写了一个模拟退火算法，该算法接受一个输入向量并最小化一个函数以获得所需的输出向量

现在我的问题是如何将两者结合起来？我读过几篇文章，但他们没有具体说明这是如何做到的。我认为这个想法如下：

初始化随机权重向量（在我的例子中，向量的长度为79400；输入层到隐藏层的权重为78400，隐藏层到输出层的权重为1000）。计算相应的输出（当然不正确）和误差平方和。然后循环遍历权重向量，通过添加或减去一个小数字来稍微调整每个权重。对于每次调整，再次计算误差平方和，并查看哪个调整（加或减）减少了该值。在我看来，重复这个过程应该会得到与期望输出相对应的权重

我想知道这种方法是否可行。如果是的话，这似乎是一个非常耗时的过程，我想知道是否有更有效的方法来做到这一点

提前谢谢