BP网络数字识别

我们使用sklearn库来进行训练，识别数字0~9。

1.导入包

import numpy as np
from sklearn.datasets import load_digits		#数据集
from sklearn.preprocessing import LabelBinarizer		#标签二值化
from sklearn.cross_validation import train_test_split		#切分数据 把数据分为测试数据和训练数据

2.定义训练函数

def sigmoid(x):
	return 1/(1+np.exp(-x))
	
def dsigmoid(x):
	return x*(1-x)

3.定义神经网络的类

在这里，自己定义一个类表示神经网络

class NeuralNetwork:

 初始化：将输入层作为初始化参数，如(64,100,10)为输入64个神经元，隐藏层100个，输出10个

	def __init__(self,layers):	
		#权值初始化,范围-1,1   输入层隐藏层+1代表偏置值
		self.V = np.random.random((layers[0]+1,layers[1]+1))*2-1
		self.W = np.random.random((layers[1]+1,layers[2]))*2-1

训练函数：X  为训练的数据 y标签 epochs迭代次数</