深度学习入门实战----利用神经网络识别自己的手写数字

码农男孩

已于 2022-04-30 21:17:35 修改

阅读量4.1k

点赞数 9

文章标签：深度学习神经网络人工智能计算机视觉 cnn

于 2022-04-09 21:50:14 首次发布

本文链接：https://blog.youkuaiyun.com/m0_62128864/article/details/124068771

版权

这篇博客介绍了深度学习入门实战，通过神经网络实现手写数字的识别。首先讲解如何创建手写数字数据集，接着定义神经网络模型，详细阐述训练过程，并使用个人手写数字数据集作为测试集进行验证，最后展示识别结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如何创建自己的手写数字呢?

参考：深度学习入门--MNIST数据集及创建自己的手写数字数据集

一、定义神经网络

class neuralNetwork:

    # initialise the neural network
    def __init__(self, inputnodes, hiddennodes, outputnodes, learningrate):
        # set number of nodes in each input, hidden, output layer
        self.inodes = inputnodes
        self.hnodes = hiddennodes
        self.onodes = outputnodes

        # link weight matrices, wih and who
        # weights inside the arrays are w_i_j, where link is from node i to node j in the next layer
        # w11 w21
        # w12 w22 etc
        self.wih = numpy.random.normal(0.0, pow(self.inodes, -0.5), (self.hnodes, self.inodes))
        self.who = numpy.random.normal(0.0, pow(self.hnodes, -0.5), (self.onodes, self.hnodes))

        # learning rate
        self.lr = learningrate

        # activation function is the sigmoid function
        self.activation_function = lambda x: scipy.special.expit(x)

        pass

    # train the neural network
    def train(self, inputs_list, targets_l