BP神经网络实现手写数字输入识别python_bp神经网络实现手写数字识别python,bp神经网络手写数字识别资源-CSDN文库

python神经网络

46 浏览量 2021-01-20 11:53:50 上传评论 10 收藏 317KB PDF 举报

资源推荐

资源详情

资源评论

BP神经网络实现手写数字输入识别神经网络实现手写数字输入识别python

BP神经网络实现手写数字输入识别神经网络实现手写数字输入识别python

代码可以在下面链接中下载：

https://gitee.com/cloud_maple/python_machine_learning.git

训练集和测试集都可以在下面链接中下载：

链接：https://pan.baidu.com/s/1KQuhyM843fEIyeG-87T1QQ

提取码：ln6s

首先，我们需要引入下面两个库

import numpy

import scipy.special

然后创建一个神经网络类，类里有三个函数：初始化函数、训练函数和查询函数。

初始化函数初始化函数

1、引入输入层、隐藏层、输出层的节点个数、学习率这些参数

2、用numpy.random.normal生成初始权重矩阵

（ps1: numpy.random.normal (loc, scale, size) 的作用是生成高斯分布的概率密度随机数，loc是此概率分布的均值（对应着整个分布的中心是此概率分布的均值（对应着整个分布的中心centre）），scale是此概率分布的标准差是此概率分布的标准差

（对应于分布的宽度，（对应于分布的宽度，scale越大越矮胖，越大越矮胖，scale越小，越瘦高）越小，越瘦高）, size是输出的是输出的shape）

（ps2：pow(x,y) 方法返回方法返回 x 的的 y 次方的值次方的值）

3、定义激活函数，这里用的激活函数是sigmoid函数，下图就是lambda x: scipy.special.expit(x)

训练函数训练函数

1、numpy.array (object，ndmin) 作用是生成一个数组，ndmin决定生成的最小维数，例子：

>>> np.array([1, 2, 3], ndmin=2)

array([[1, 2, 3]]

2、numpy.dot(x，y)在这里是二维数组的情况下，得到的是两数组的矩阵积，顺序是矩阵x乘以矩阵y

3、更新权重的原理

查询函数查询函数

目的就是为了将测试集数据导入已经训练好的神经网络，查询最终的输出，然后与测试集的标签比对，计算准确率。

代码如下：代码如下：

class NeuralNetwork:

def __init__(self,input_nodes,hidden_nodes,output_nodes,learning_rate):

#初始化输入层、隐藏层、输出层的节点个数、学习率

self.inodes=input_nodes

self.hnodes=hidden_nodes

self.onodes=output_nodes

#定义输入层与隐藏层之间的初始权重参数

self.wih=numpy.random.normal(0.0,pow(self.hnodes,-0.5),(self.hnodes,self.inodes))

#定义隐藏层与输出层之间的初始权重参数

self.who=numpy.random.normal(0.0,pow(self.onodes,-0.5),(self.onodes,self.hnodes))

self.lr=learning_rate

#定义激活函数sigmoid

self.activation_function=lambda x: scipy.special.expit(x)

pass

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

内容反馈

weixin_38694355

粉丝: 3
资源: 964

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip