神经网络（第五章补充）

- 日理万妓 2022-10-27 00:27 135阅读 0赞

### 文章目录 ###

*   *  神经网络（第五章补充）--手写数字识别
     *  MNIST数据集
     *   *  第一步：导入我们的数据包
         *  第二步：定义获得数据的函数
         *  第三步：定义获取权重参数的函数
         *  第四步：三层神经网络计算函数定义
         *  第五步：调用函数，取得参数
         *  第六步：计算精度
     *  batch批处理

## 神经网络（第五章补充）–手写数字识别 ##

*  **我们要处理的问题是手写数字的识别**
 *  **手写数字的数据存在MNIST的数据包里**
 *  **假设我们已经得到了权重参数，我们来模拟一下测试过程**

## MNIST数据集 ##

### 第一步：导入我们的数据包 ###

import sys,os
    sys.path.append(os.pardir)
    import numpy as np
    import pickle #文件存储的格式
    from dataset.mnist import load_mnist
    from common.functions import sigmoid,softmax

调用资源来自于：[https://github.com/MemorialCheng/deep-learning-from-scratch][https_github.com_MemorialCheng_deep-learning-from-scratch]  
感谢大佬的分享！

### 第二步：定义获得数据的函数 ###

![在这里插入图片描述][2021020217403550.png]

def get_data():
    	(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=True,one_hot_label=False)
    	return x_test,t_test

### 第三步：定义获取权重参数的函数 ###

![在这里插入图片描述][20210202175826518.png]  
**读入记录权重的文件sample\_weight.pkl**  
![在这里插入图片描述][20210202180337441.png]  
![在这里插入图片描述][20210202181059346.png]

### 第四步：三层神经网络计算函数定义 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaG1vbmtleQ_size_16_color_FFFFFF_t_70]

### 第五步：调用函数，取得参数 ###

![在这里插入图片描述][20210202181335174.png]  
\*\* x.shape ----> (10000,784)表示有10000张图像，每一张图像是28\*28（=784）大小的\*\*  
**t.shape -----> (10000,)表示与每一张图像对应的数字是多少**  
**network生成，取权重值**

### 第六步：计算精度 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaG1vbmtleQ_size_16_color_FFFFFF_t_70 1]

## batch批处理 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaG1vbmtleQ_size_16_color_FFFFFF_t_70 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaG1vbmtleQ_size_16_color_FFFFFF_t_70 3]  
ok，栗子结束啦，还是看的b站一学习大佬的深度学习入门视频做的学习笔记，视频链接如下，感谢大佬的讲解：  
[https://www.bilibili.com/video/BV12t411N748][https_www.bilibili.com_video_BV12t411N748]

[https_github.com_MemorialCheng_deep-learning-from-scratch]: https://github.com/MemorialCheng/deep-learning-from-scratch
[2021020217403550.png]: /images/20221024/1225ea521c284c5784a4ceae8f5781ea.png
[20210202175826518.png]: /images/20221024/ffecbba70bec4dd1a96c293ffe008e9c.png
[20210202180337441.png]: /images/20221024/91bcb1c3ece44adbb17099e00f6ef6c4.png
[20210202181059346.png]: /images/20221024/b722e864724f4b3eb9f783de204a116b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaG1vbmtleQ_size_16_color_FFFFFF_t_70]: /images/20221024/f6cdfd42c36f4ec7921d94c7723d5b91.png
[20210202181335174.png]: /images/20221024/214130eeacd14f0e985a4fd7961a545b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaG1vbmtleQ_size_16_color_FFFFFF_t_70 1]: /images/20221024/d2672a9665014af291b7bb01fe0cb1bf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaG1vbmtleQ_size_16_color_FFFFFF_t_70 2]: /images/20221024/186c648371cc4a71be411dcb5f08ec7d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaG1vbmtleQ_size_16_color_FFFFFF_t_70 3]: /images/20221024/43818af174744a018061cb7741714e01.png
[https_www.bilibili.com_video_BV12t411N748]: https://www.bilibili.com/video/BV12t411N748