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