Handwritten_digit_recognition.zip

创建基本的神经网络，通过使用MNIST训练数据集进行训练，使用MNIST测试集和自己创建的手写数字图像数据对神经网络进行测试

import numpy
import scipy.special
import matplotlib.pyplot
import imageio
import glob

# 神经网络类定义
class neuralNetwork:

    # 初始化神经网络
    def __init__（self inputnodes hiddennodes outputnodes learningrate）:
        # 设置每个输入、隐藏、输出层的节点数
        self.inodes = inputnodes
        self.hnodes = hiddennodes
        self.onodes = outputnodes

        # 链接权值矩阵，wih and who
        # 数组中的权重是w_i_j，其中链路是从节点i到下一层的节点j
        # 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））

        # 学习速率
        self.lr = learningrate

        # 激活函数是s型函数
        self.activation_function = lambda x: scipy.special.expit（x）

        pass

    # 训练神经网络
    def train（self inputs_list targets_list）:
        # 将输入列表转换为二维数组
        inputs = numpy.array（inputs_list ndmin=2）.T
        targets = numpy.array（targets_list ndmin=2）.T

        # 计算信号到隐藏层
        hidden_inputs = numpy.dot（self.wih inputs）
        # 计算从隐含层出现的信号
        hidden_outputs = self.activation_function（hidden_inputs）

        # 计算信号到最终的输出层
        final_inputs = numpy.dot（self.who hidden_outputs）
        # 计算从最终输出层出现的信号
        final_outputs = self.activation_function（final_inputs）

        # 输出层误差为（目标值-实际值）
        output_errors = targets - final_outputs
        # 隐藏层错误是output_errors，按权重分割，在隐藏节点处重新组合
        hidden_errors = numpy.dot（self.who.T output_errors）

        # 更新隐藏层和输出层之间的链接的权重
        self.who += self.lr * numpy.dot（（output_errors * final_outputs * （1.0 - final_outputs））
                                        numpy.transpose（hidden_outputs））

        # 更新输入层和隐藏层之间的链接的权值
        self.wih += self.lr * numpy.dot（（hidden_errors * hidden_outputs * （1.0 - hidden_outputs））
                                        numpy.transpose（inputs））

        pass

    # 查询神经网络
    def query（self inputs_list）:
        # 将输入列表转换为二维数组
        inputs = numpy.array（inputs_list ndmin=2）.T

        # 计算信号到隐藏层
        hidden_inputs = numpy.dot（self.wih inputs）
        # 计算从隐含层出现的信号
        hidden_outputs = self.activation_function（hidden_inputs）

        # 计算信号到最终的输出层
        final_inputs = numpy.dot（self.who hidden_outputs）
        # 计算从最终输出层出现的信号
        final_outputs = self.activation_function（final_inputs）

        return final_outputs

# 输入、隐藏和输出节点的数量
input_nodes = 784
hidden_nodes = 200
output_nodes = 10

# 学习速率
learning_rate = 0.1

# 创建神经网络实例
n = neuralNetwork（input_nodeshidden_nodesoutput_nodes learning_rate）

# 将mnist训练数据CSV文件加载到列表中
training_data_file = open（“MNIST_data/mnist_train.csv“ ‘r‘）
training_data_list = training_data_file.readlines（）
training_data_file.close（）

# 训练神经网络

# epochs是训练数据集用于训练的次数
epochs = 10

for e in range（epochs）:
    # 检查训练数据集中的所有记录
    for record in training_data_list:
        # 用逗号分隔记录
        all_values

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2020-06-15 12:43  Handwritten_digit_recognition\
     文件        6987  2020-06-15 11:46  Handwritten_digit_recognition\Handwritten.py
     目录           0  2020-06-15 12:42  Handwritten_digit_recognition\MNIST_data\
     文件    18299443  2020-06-14 22:42  Handwritten_digit_recognition\MNIST_data\mnist_test.csv
     文件   109635994  2020-06-14 22:42  Handwritten_digit_recognition\MNIST_data\mnist_train.csv
     文件     7840016  1998-01-26 23:07  Handwritten_digit_recognition\MNIST_data\t10k-images.idx3-ubyte
     文件       10008  1998-01-26 23:07  Handwritten_digit_recognition\MNIST_data\t10k-labels.idx1-ubyte
     文件    47040016  1996-11-18 23:36  Handwritten_digit_recognition\MNIST_data\train-images.idx3-ubyte
     文件       60008  1996-11-18 23:36  Handwritten_digit_recognition\MNIST_data\train-labels.idx1-ubyte
     文件       17699  2020-06-14 23:03  Handwritten_digit_recognition\Number2.png
     文件       31649  2020-06-15 11:43  Handwritten_digit_recognition\Number4.png
     文件       20778  2020-06-15 09:18  Handwritten_digit_recognition\Number6.png
     文件           0  2020-03-04 20:55  Handwritten_digit_recognition\__init__.py