搭个简单的神经网络

用Python纯撸一个识别手写数字的简单神经网络

import numpy as np

def sigmoid(x):
    # s形 激活函数
    s = 1 / (1 + np.exp(-x))
    return s
class NeuralNetword:
    """神经网络"""
    def __init__(self, inputnodes, hiddennodes, outputnodes, lr):
        # 三层 输入层 隐藏层 输出层
        self.inodes = inputnodes
        self.hnodes = hiddennodes
        self.onodes = outputnodes
        self.lr = lr

        # 权重
        self.wih = np.random.normal(0.0, pow(self.hnodes, -0.5), (self.hnodes, self.inodes))
        self.who = np.random.normal(0.0, pow(self.onodes, -0.5), (self.onodes, self.hnodes))

        # 激活函数
        self.ac_fun = lambda x: sigmoid(x)

    def train(self, inputs_list, targets_list):
        """训练"""
        inputs = np.array(inputs_list, ndmin=2).T
        targets = np.array(targets_list, ndmin=2).T

        hidden_inputs = np.dot(self.wih, inputs)
        hidden_outputs = self.ac_fun(hidden_inputs)

        final_inputs = np.dot(self.who, hidden_outputs)
        final_outputs = self.ac_fun(final_inputs)

        output_errors = targets - final_outputs

        hidden_errors = np.dot(self.who.T, output_errors)

        self.who += self.lr * np.dot((output_errors * final_outputs * (1.0 - final_outputs)),
                                     np.transpose(hidden_outputs))

        self.wih += self.lr * np.dot(hidden_errors * hidden_outputs * (1.0 - hidden_outputs),
                                     np.transpose(inputs))

    def query(self, inputs_list):
        """查询"""
        inputs = np.array(inputs_list, ndmin=2).T
        hidden_inputs = np.dot(self.wih, inputs)
        hidden_outputs = self.ac_fun(hidden_inputs)

        final_inputs = np.dot(self.who, hidden_outputs)
        final_outputs = self.ac_fun(final_inputs)

        return final_outputs
trains = None
cnn = NeuralNetword(784, 100, 10, 0.1)
with open('mnist_train.csv', 'r') as f:
    trains = f.readlines()
    for t in trains:
        values = t.split(",")
        inputs = (np.asfarray(values[1:]) / 255.0 * 0.99) + 0.01
        targets = np.zeros(10) + 0.01

        targets[int(values[0])] = 0.99
        cnn.train(inputs, targets)
print('done!')

done!
with open('mnist_test.csv', 'r') as f:
    trains = f.readlines()
    alls = 0
    succe = 0
    for t in trains:
        values = t.split(",")
        inputs = (np.asfarray(values[1:]) / 255.0 * 0.99) + 0.01
        out = (cnn.query(inputs))
        image_array = np.asfarray(values[1:]).reshape((28, 28))
        import matplotlib
        import matplotlib.pyplot as plt
        #plt.imshow(image_array, cmap='Greys', interpolation='None')
        if list(out).index(max(list(out))) == int(values[0]):
            succe += 1
        alls += 1
    print(succe/float(alls))

0.9517

准确率95%

# 用自己手写的图片识别
import cv2
img = cv2.imread('2.png', cv2.IMREAD_GRAYSCALE)
data = img.flatten()
inputs = 1 - ((np.asfarray(data) / 255.0 * 0.99) + 0.01)
out = (cnn.query(inputs))
image_array = (255 - np.asfarray(data)).reshape((28, 28))
plt.imshow(image_array, cmap='Greys', interpolation='None')
print(list(out).index(max(list(out))))
2
output_5_1.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,372评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,368评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,415评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,157评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,171评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,125评论 1 297
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,028评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,887评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,310评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,533评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,690评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,411评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,004评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,659评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,812评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,693评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,577评论 2 353

推荐阅读更多精彩内容