无需深度学习框架——利用Python实现一个神经网络

最新推荐文章于 2024-09-10 18:55:24 发布

置顶

愤怒的Tudou

最新推荐文章于 2024-09-10 18:55:24 发布

阅读量1.6k

点赞数 2

文章标签：深度学习 Python 神经网络

本文链接：https://blog.csdn.net/aiiyouwei/article/details/80401393

版权

这篇博客介绍了如何在不依赖深度学习框架的情况下，用Python3实现一个神经网络。作者基于Michael Nielsen的神经网络与深度学习代码，提供了Python3的版本，并详细注释了过程。在实现中，重点在于神经网络类的定义，特别是梯度下降法的实现。数据集载入部分，针对Python3的变化进行了调整，如zip对象处理和cPickle模块替换为pickle模块。经过训练，即使只有30个神经元的隐藏层，模型也能达到95%的准确率。

摘要由CSDN通过智能技术生成

不用深度学习框架，利用Python3实现神经网络。
Michael Nielsen神经网络与深度学习mnist代码的Python3版本，并在代码中做了详细注释。

定义一个神经网络

定义一个神经网络类，在类方法中，最重要的是梯度下降法中的，即SGD

#! /usr/bin/env python3
#coding=utf-8
'''
net_work.py
~~~~~~~~~~~~~
手写神经网络
'''

#### libraries
# standard libraries
import random

# third-party library
import numpy as np

class Network(object):
    '''
    定义一个神经网络
    '''
    def __init__(self,sizes):
        '''
        初始化层
        :param sizes: each layer`s cell number  
        '''
        self.num_layers=len(sizes)
        self.size=sizes
        self.W=[np.random.randn(y,x)
                for x,y in zip(sizes[:-1],sizes[1:])]
        self.B=[np.random.randn(x,1)
                for x in sizes[1:]]

    def SGD(self,train_data,eta,mini_batch_size,epoches,test_data=None):
        '''
        随机梯度下降法
        :param train_data: 
        :param eta: 学习率
        :param mini_batch_size: 小批量规模
        :param epoches: 迭代周期
        :param test_data: 
        :return: w,b
        '''
        n_train=len(train_data)

        #开始迭代
        for i in range(epoches):

最低0.47元/天解锁文章