神经网络（第五章补充）

最新推荐文章于 2024-07-22 15:57:03 发布

原创最新推荐文章于 2024-07-22 15:57:03 发布 · 222 阅读

0 ·

CC 4.0 BY-SA版权

机器学习专栏收录该内容

17 篇文章

订阅专栏

本文通过使用MNIST数据集和三层神经网络实现手写数字识别。介绍了如何导入数据包、定义获取数据及权重参数的函数，并详细展示了神经网络计算过程与精度计算方法。

文章目录

神经网络（第五章补充）–手写数字识别

我们要处理的问题是手写数字的识别
手写数字的数据存在MNIST的数据包里
假设我们已经得到了权重参数，我们来模拟一下测试过程

MNIST数据集

第一步：导入我们的数据包

import sys,os
sys.path.append(os.pardir)
import numpy as np
import pickle #文件存储的格式
from dataset.mnist import load_mnist
from common.functions import sigmoid,softmax

调用资源来自于：https://github.com/MemorialCheng/deep-learning-from-scratch
感谢大佬的分享！

第二步：定义获得数据的函数

在这里插入图片描述

def get_data():
	(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=True,one_hot_label=False)
	return x_test,t_test

第三步：定义获取权重参数的函数

在这里插入图片描述
读入记录权重的文件sample_weight.pkl

第四步：三层神经网络计算函数定义

在这里插入图片描述

第五步：调用函数，取得参数

在这里插入图片描述
** x.shape ----> (10000,784)表示有10000张图像，每一张图像是28*28（=784）大小的**
t.shape -----> (10000,)表示与每一张图像对应的数字是多少
network生成，取权重值

第六步：计算精度

在这里插入图片描述

batch批处理

在这里插入图片描述

ok，栗子结束啦，还是看的b站一学习大佬的深度学习入门视频做的学习笔记，视频链接如下，感谢大佬的讲解：
https://www.bilibili.com/video/BV12t411N748