【创作背景】
我入坑围棋的时候,正逢“李世石vs Alpha Go”人机大战。这么几年下来,学棋不成总被吊打的我,就一直有个梦想:写一个围棋AI,拿去暴打包子,报仇雪恨。于是,学完python基础语法之后,我就开始朝着深度学习方向去了。
哪吒给我推荐了《深度学习入门》这本书,他说对新手极其友好,容易看懂,于是我就从这里入坑了。全书围绕MNIST手写数据集的识别,讲解深度学习的底层理论和代码实现,确实非常友好。除了一些数学公式和理论我已经忘光光之外,啃完书的我,自认为对深度学习有了基本概念。
然后就应该上手练习了吧!我的第一个小目标:
【目标】
封装一个完整的程序,实现手写数字拍照识别。
【目标实现】
1,《深度学习入门》自带了sample_weight.kpl文件,但我找不到这个文件,权重只能自己训练。好在啃完全书,照抄代码之后,我也能自己训练出一个权重了。把这个权重存下来,留待后用。
2,官方的MNIST数据集里的图片文件是封装好的,本小白也不知道怎么拆解它。对于自己拍的照片文件,只能想办法转换成适合MNIST模型的输入数据。
3,没了,就前面两条属于新知识。
【上代码】
# 第一段:用MNIST数据集训练权重,并把权重存起来,留待后用.
这一段需要引用之前编写好的:
two_layer_net.py
mnist.py
my_fn.py(书里叫funtions.py)
这几个文件在网上都很容易找到。
# 用MNIST数据集训练权重,并把权重存起来
import numpy as np
from two_layer_net import TwoLayerNet
from mnist import load_mnist
import matplotlib.pylab as plt
from my_fn import *
import pickle
# 读取MNIST数据集
(x_train,t_train),(x_test,t_test)=load_mnist(one_hot_label=True,normalize=True)
train_loss_list=[]
train_acc_list=[]
test_acc_list=[]
epoch=0