本文學(xué)習(xí)Neural Networks and Deep Learning 在線免費(fèi)書籍，用python構(gòu)建神經(jīng)網(wǎng)絡(luò)識別手寫體的一個總結(jié)。

東昌府網(wǎng)站制作公司哪家好，找創(chuàng)新互聯(lián)！從網(wǎng)頁設(shè)計、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、成都響應(yīng)式網(wǎng)站建設(shè)等網(wǎng)站項(xiàng)目制作，到程序開發(fā)，運(yùn)營維護(hù)。創(chuàng)新互聯(lián)2013年開創(chuàng)至今到現(xiàn)在10年的時間，我們擁有了豐富的建站經(jīng)驗(yàn)和運(yùn)維經(jīng)驗(yàn)，來保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選創(chuàng)新互聯(lián)。

代碼主要包括兩三部分：

1）、數(shù)據(jù)調(diào)用和預(yù)處理

2）、神經(jīng)網(wǎng)絡(luò)類構(gòu)建和方法建立

3）、代碼測試文件

1）數(shù)據(jù)調(diào)用：

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 
# @Time  : 2017-03-12 15:11 
# @Author : CC 
# @File  : net_load_data.py 
# @Software: PyCharm Community Edition 
 
from numpy import * 
import numpy as np 
import cPickle 
def load_data(): 
  """載入解壓后的數(shù)據(jù)，并讀取""" 
  with open('data/mnist_pkl/mnist.pkl','rb') as f: 
    try: 
      train_data,validation_data,test_data = cPickle.load(f) 
      print " the file open sucessfully" 
      # print train_data[0].shape #(50000,784) 
      # print train_data[1].shape  #(50000,) 
      return (train_data,validation_data,test_data) 
    except EOFError: 
      print 'the file open error' 
      return None 
 
def data_transform(): 
  """將數(shù)據(jù)轉(zhuǎn)化為計算格式""" 
  t_d,va_d,te_d = load_data() 
  # print t_d[0].shape # (50000,784) 
  # print te_d[0].shape # (10000,784) 
  # print va_d[0].shape # (10000,784) 
  # n1 = [np.reshape(x,784,1) for x in t_d[0]] # 將5萬個數(shù)據(jù)分別逐個取出化成（784,1），逐個排列 
  n = [np.reshape(x, (784, 1)) for x in t_d[0]] # 將5萬個數(shù)據(jù)分別逐個取出化成（784,1），逐個排列 
  # print 'n1',n1[0].shape 
  # print 'n',n[0].shape 
  m = [vectors(y) for y in t_d[1]] # 將5萬標(biāo)簽（50000,1）化為（10,50000） 
  train_data = zip(n,m) # 將數(shù)據(jù)與標(biāo)簽打包成元組形式 
  n = [np.reshape(x, (784, 1)) for x in va_d[0]] # 將5萬個數(shù)據(jù)分別逐個取出化成（784,1），排列 
  validation_data = zip(n,va_d[1])  # 沒有將標(biāo)簽數(shù)據(jù)矢量化 
  n = [np.reshape(x, (784, 1)) for x in te_d[0]] # 將5萬個數(shù)據(jù)分別逐個取出化成（784,1），排列 
  test_data = zip(n, te_d[1]) # 沒有將標(biāo)簽數(shù)據(jù)矢量化 
  # print train_data[0][0].shape #(784,） 
  # print "len(train_data[0])",len(train_data[0]) #2 
  # print "len(train_data[100])",len(train_data[100]) #2 
  # print "len(train_data[0][0])", len(train_data[0][0]) #784 
  # print "train_data[0][0].shape", train_data[0][0].shape #（784,1） 
  # print "len(train_data)", len(train_data) #50000 
  # print train_data[0][1].shape #(10,1) 
  # print test_data[0][1] # 7 
  return (train_data,validation_data,test_data) 
def vectors(y): 
  """賦予標(biāo)簽""" 
  label = np.zeros((10,1)) 
  label[y] = 1.0 #浮點(diǎn)計算 
  return label 

網(wǎng)頁名稱：python構(gòu)建深度神經(jīng)網(wǎng)絡(luò)（DNN）-創(chuàng)新互聯(lián)
網(wǎng)頁URL：http://chinadenli.net/article32/desjsc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供外貿(mào)建站、品牌網(wǎng)站設(shè)計、品牌網(wǎng)站制作、小程序開發(fā)、云服務(wù)器、微信公眾號

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)