python神经网络例题：手写数字的识别

声明：代码和数据集均来自网络，仅供自己学习。侵删。

上次学习了一般的神经网络。这次找个实际的操刀，学习一下。
数据库来源：
http://pjreddie.com/projects/mnist-in-csv/
我们可以从中获得我们想要的数据集和测试集

data_file = open("train_100.csv",'r')
data_list = data_file.readlines()
data_file.close()

一行一行来看，
open()此函数能打开一个文件，“r”表示只读（read）
readline()将文件中的所有行读入变量data_list.但是要注意，此函数会将所有文件读入到内存中，在文件内容过大的情况下，不宜使用。一次在一行上使用更有效率。
最后一行close()函数关闭文件，让计算机释放用于保存文件的部分内存。
在使用python之前，千万要记得，装一些常用库。代码里也要用import导入。

准备训练数据

scaled_input=(numpy.asfarray(all_values[1:])/255.0*0.99)+0.01
print(scaled_input)

我们知道颜色值的范围是[255,0]，我们需要将此范围缩小到[0.01,1]的范围里，以上代码就是为了调整范围
由于手写数字一共有十个且防止输出为0或者1所以构建的目标矩阵为

onodes=10
target=numpy.zeros(onodes)+0.01
targets[int(all_values[0])]=0.99

最后我们可以写出完整的代码。

完成代码

import numpy
class neuralNetwork:
  def __init__(self,inputnodes,hiddennodes,outputnodes,learningrate):
  self.inodes=inputnodes
  self.hnodes=hiddennodes
  self.onodes