最简单神经网络实现手写数字的识别
发布日期:2021-06-29 10:39:08
浏览次数:2
分类:技术文章
本文共 3355 字,大约阅读时间需要 11 分钟。
- 纯python写的最简单的三层神经网络,只有输入层、一个隐藏层、输出层,使MNIST100条数据进行训练,10条数据进行测试。
- 测试环境Win10 Python3.7.5 pyCharm
- 100条训练数据:
- 10条测试数据:
- 神经网络可视化学习工具TensorFlow Playground:
import numpyimport scipy.specialimport matplotlib.pyplotimport pylab#神经网络类class neuralNetwork: def __init__(self, inputnodes, hiddennodes, outputnodes,learningrate): # inputnodes输入节点数目,即图像的宽*高=28*28=784 self.inodes = inputnodes self.hnodes= hiddennodes self.onodes = outputnodes #初始化权重服从正态分布 self.wih= numpy.random.normal(0.0, pow(self.hnodes, -0.5), (self.hnodes, self.inodes)) self.who = numpy.random.normal(0.0, pow(self.onodes, -0.5), (self.onodes, self.hnodes)) self.lr = learningrate; #激活函数 self.activation_function = lambda x:scipy.special.expit(x) pass def train(self, inputs_list, targets_list): inputs = numpy.array(inputs_list, ndmin=2).T targets = numpy.array(targets_list, ndmin=2).T #正向推算 hidden_inputs = numpy.dot(self.wih, inputs) hidden_outputs = self.activation_function(hidden_inputs) final_inputs = numpy.dot(self.who, hidden_outputs) final_outputs = self.activation_function(final_inputs) #误差反向推算 output_errors = targets - final_outputs self.who += self.lr * numpy.dot((output_errors * final_outputs * (1.0 - final_outputs)), numpy.transpose(hidden_outputs)) hidden_errors = numpy.dot(self.who.T, output_errors) self.wih += self.lr * numpy.dot((hidden_errors * hidden_outputs * (1.0 - hidden_outputs)), numpy.transpose(inputs)) pass def query(self, inputs_list): inputs = numpy.array(inputs_list, ndmin=2).T hidden_inputs = numpy.dot(self.wih, inputs) hidden_outputs = self.activation_function(hidden_inputs) final_inputs = numpy.dot(self.who, hidden_outputs) final_outputs = self.activation_function(final_inputs) return final_outputs#训练神经网络input_nodes = 784hidden_nodes = 100output_nodes = 10learning_rate = 0.05n = neuralNetwork(input_nodes, hidden_nodes, output_nodes, learning_rate)training_data_file = open("mnist_train_100.csv", 'r')training_data_list = training_data_file.readlines()training_data_file.close()epochs = 20for e in range(epochs): for record in training_data_list: all_values = record.split(',') inputs = (numpy.asfarray(all_values[1:]) / 255.0 * 0.99)+0.01 targets = numpy.zeros(output_nodes)+0.01 targets[int(all_values[0])] = 0.99 n.train(inputs, targets) pass pass#测试神经网络test_data_file = open("mnist_test_10.csv", 'r')test_data_list = test_data_file.readlines()test_data_file.close()scorecard = []for record in test_data_list: record_value = record.split(',') image_array = numpy.asfarray(record_value[1:]).reshape(28, 28) matplotlib.pyplot.imshow(image_array, cmap="Greys", interpolation='None') pylab.show() inputs = (numpy.asfarray(record_value[1:]) / 255.0 * 0.99) + 0.01 correct_label = int(record_value[0]) outputs = n.query(inputs) label = numpy.argmax(outputs) if(label == correct_label): print("right:", label) scorecard.append(1) else: print("wrong:", label,"v", correct_label) scorecard.append(0) pass passscorecard_array = numpy.asarray(scorecard)print("performance= ", scorecard_array.sum() / scorecard_array.size)
转载地址:https://blog.csdn.net/zouxin_88/article/details/103210254 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
第一次来,支持一个
[***.219.124.196]2024年04月10日 23时08分23秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
130. 被围绕的区域
2019-04-29
欧式距离、余弦相似度和余弦距离
2019-04-29
transform 等效转换(参考源码)
2019-04-29
cv2 PIL区别笔记
2019-04-29
C#中的委托
2019-04-29
引用类型和值类型
2019-04-29
一个合格程序员该做的事情——你做好了吗?
2019-04-29
再谈如何表现已点击的链接2
2019-04-29
多线程消息队列 (MSMQ) 触发器
2019-04-29
WCF开发简简单单的六个步骤
2019-04-29
4.23数学作业答案
2019-04-29
4月24语文作业答案
2019-04-29
4.26数学作业
2019-04-29
4月26云纹作业
2019-04-29
4.27数学作业提示
2019-04-29
4.27数学练习册答案
2019-04-29
4.27语文答案
2019-04-29
4.29图二
2019-04-29
5.6语文笔记
2019-04-29
5.13数学练习册讲解
2019-04-29