简单的神经网络识别手写数字

简单的神经网络识别手写数字

隔了一周没有更新博客了，先把上一次的神经网络的代码和数据集下载链接附上：
简单的三层神经网络
里面有所有的代码和一个完整测试集和训练集的数据。顺便再推广一下百度链接：
百度网盘
提取码：udny
这一次呢，我们用上一次的神经网络来测试一下对于手写数字（图片）的识别率。

前期准备：

为了测试，我就先在纸上手写了一些“工整”的数字，并用“特殊手段”将图片进行了处理，得到了几个用于测试手写数字识别率的图片（标准的图片大小为28*28，确保输入层的节点数为784，好吧，我承认是懒所以只写了五个）。

代码编写：

和上一次的神经网络一样，我这次的训练数据同样采用数据集进行训练，但是测试部分的代码要进行更改（毕竟要输入的是图片呀）。但是更改并不大，可以将上一次的代码的测试部分的代码更改一下即可使用：

# 开始测试数据
# 负责一维数组的参数
k = 0
# 制作一个一维数组负责存储二维数组扁平化以后的数据
inputs = numpy.zeros(784)
# 图片信息的真实数据