python神经网络编程实现手写数字识别


Posted in Python onMay 27, 2020

本文实例为大家分享了python实现手写数字识别的具体代码,供大家参考,具体内容如下

import numpy
import scipy.special
#import matplotlib.pyplot
 
class neuralNetwork:
  def __init__(self,inputnodes,hiddennodes,outputnodes,learningrate):
    self.inodes=inputnodes
    self.hnodes=hiddennodes
    self.onodes=outputnodes
    
    self.lr=learningrate
  
    self.wih=numpy.random.normal(0.0,pow(self.hnodes,-0.5),(self.hnodes,self.inodes))
    self.who=numpy.random.normal(0.0,pow(self.onodes,-0.5),(self.onodes,self.hnodes))
    
    self.activation_function=lambda x: scipy.special.expit(x)
    pass
  
  def train(self,inputs_list,targets_list):
    inputs=numpy.array(inputs_list,ndmin=2).T
    targets=numpy.array(targets_list,ndmin=2).T
    
    hidden_inputs=numpy.dot(self.wih,inputs)
    hidden_outputs=self.activation_function(hidden_inputs)
    
    final_inputs=numpy.dot(self.who,hidden_outputs)
    final_outputs=self.activation_function(final_inputs)
    
    output_errors=targets-final_outputs
    hidden_errors=numpy.dot(self.who.T,output_errors)
    
    self.who+=self.lr*numpy.dot((output_errors*final_outputs*(1.0-final_outputs)),numpy.transpose(hidden_outputs))
    self.wih+=self.lr*numpy.dot((hidden_errors*hidden_outputs*(1.0-hidden_outputs)),numpy.transpose(inputs))
    pass
  
  def query(self,input_list):
    inputs=numpy.array(input_list,ndmin=2).T
    
    hidden_inputs=numpy.dot(self.wih,inputs)
    hidden_outputs=self.activation_function(hidden_inputs)
    
    final_inputs=numpy.dot(self.who,hidden_outputs)
    final_outputs=self.activation_function(final_inputs)
    
    return final_outputs
 
 
input_nodes=784
hidden_nodes=100
output_nodes=10
learning_rate=0.1
n=neuralNetwork(input_nodes,hidden_nodes,output_nodes,learning_rate)
 
training_data_file=open(r"C:\Users\lsy\Desktop\nn\mnist_train.csv","r")
training_data_list=training_data_file.readlines()
training_data_file.close()
#print(n.wih)
#print("")
epochs=2
for e in range(epochs):
  for record in training_data_list:
    all_values=record.split(",")
    inputs=(numpy.asfarray(all_values[1:])/255.0*0.99)+0.01
    targets=numpy.zeros(output_nodes)+0.01
    targets[int(all_values[0])]=0.99
    n.train(inputs,targets)
  
#print(n.wih)
#print(len(training_data_list))
#for i in training_data_list:
#  print(i)
 
test_data_file=open(r"C:\Users\lsy\Desktop\nn\mnist_test.csv","r")
test_data_list=test_data_file.readlines()
test_data_file.close()
 
scorecard=[]
 
 
for record in test_data_list:
  all_values=record.split(",")
  correct_lable=int(all_values[0])
  inputs=(numpy.asfarray(all_values[1:])/255.0*0.99)+0.01
  outputs=n.query(inputs)
  label=numpy.argmax(outputs)
  if(label==correct_lable):
    scorecard.append(1)
  else:
    scorecard.append(0)
 
scorecard_array=numpy.asarray(scorecard)
print(scorecard_array)
print("")
print(scorecard_array.sum()/scorecard_array.size)
#all_value=test_data_list[0].split(",")
#input=(numpy.asfarray(all_value[1:])/255.0*0.99)+0.01
#print(all_value[0])
 
#image_array=numpy.asfarray(all_value[1:]).reshape((28,28))
 
#matplotlib.pyplot.imshow(image_array,cmap="Greys",interpolation="None")
#matplotlib.pyplot.show()
#nn=n.query((numpy.asfarray(all_value[1:])/255.0*0.99)+0.01)
#for i in nn :
#  print(i)

《python神经网络编程》中代码,仅做记录,以备后用。 

image_file_name=r"*.JPG"
img_array=scipy.misc.imread(image_file_name,flatten=True)
 
img_data=255.0-img_array.reshape(784)
image_data=(img_data/255.0*0.99)+0.01

图片对应像素的读取。因训练集灰度值与实际相反,故用255减取反。 

import numpy
import scipy.special
#import matplotlib.pyplot
import scipy.misc
from PIL import Image
class neuralNetwork:
  def __init__(self,inputnodes,hiddennodes,outputnodes,learningrate):
    self.inodes=inputnodes
    self.hnodes=hiddennodes
    self.onodes=outputnodes
    
    self.lr=learningrate
  
    self.wih=numpy.random.normal(0.0,pow(self.hnodes,-0.5),(self.hnodes,self.inodes))
    self.who=numpy.random.normal(0.0,pow(self.onodes,-0.5),(self.onodes,self.hnodes))
    
    self.activation_function=lambda x: scipy.special.expit(x)
    pass
  
  def train(self,inputs_list,targets_list):
    inputs=numpy.array(inputs_list,ndmin=2).T
    targets=numpy.array(targets_list,ndmin=2).T
    
    hidden_inputs=numpy.dot(self.wih,inputs)
    hidden_outputs=self.activation_function(hidden_inputs)
    
    final_inputs=numpy.dot(self.who,hidden_outputs)
    final_outputs=self.activation_function(final_inputs)
    
    output_errors=targets-final_outputs
    hidden_errors=numpy.dot(self.who.T,output_errors)
    
    self.who+=self.lr*numpy.dot((output_errors*final_outputs*(1.0-final_outputs)),numpy.transpose(hidden_outputs))
    self.wih+=self.lr*numpy.dot((hidden_errors*hidden_outputs*(1.0-hidden_outputs)),numpy.transpose(inputs))
    pass
  
  def query(self,input_list):
    inputs=numpy.array(input_list,ndmin=2).T
    
    hidden_inputs=numpy.dot(self.wih,inputs)
    hidden_outputs=self.activation_function(hidden_inputs)
    
    final_inputs=numpy.dot(self.who,hidden_outputs)
    final_outputs=self.activation_function(final_inputs)
    
    return final_outputs
 
 
input_nodes=784
hidden_nodes=100
output_nodes=10
learning_rate=0.1
n=neuralNetwork(input_nodes,hidden_nodes,output_nodes,learning_rate)
 
training_data_file=open(r"C:\Users\lsy\Desktop\nn\mnist_train.csv","r")
training_data_list=training_data_file.readlines()
training_data_file.close()
#print(n.wih)
#print("")
 
#epochs=2
#for e in range(epochs):
for record in training_data_list:
  all_values=record.split(",")
  inputs=(numpy.asfarray(all_values[1:])/255.0*0.99)+0.01
  targets=numpy.zeros(output_nodes)+0.01
  targets[int(all_values[0])]=0.99
  n.train(inputs,targets)
 
#image_file_name=r"C:\Users\lsy\Desktop\nn\1000-1.JPG"
'''
img_array=scipy.misc.imread(image_file_name,flatten=True)
img_data=255.0-img_array.reshape(784)
image_data=(img_data/255.0*0.99)+0.01
#inputs=(numpy.asfarray(image_data)/255.0*0.99)+0.01
outputs=n.query(image_data)
label=numpy.argmax(outputs)
print(label)
'''
#print(n.wih)
#print(len(training_data_list))
#for i in training_data_list:
#  print(i)
 
test_data_file=open(r"C:\Users\lsy\Desktop\nn\mnist_test.csv","r")
 
test_data_list=test_data_file.readlines()
test_data_file.close()
 
scorecard=[]
 
total=[0,0,0,0,0,0,0,0,0,0]
rightsum=[0,0,0,0,0,0,0,0,0,0]
 
for record in test_data_list:
  all_values=record.split(",")
  correct_lable=int(all_values[0])
  inputs=(numpy.asfarray(all_values[1:])/255.0*0.99)+0.01
  outputs=n.query(inputs)
  label=numpy.argmax(outputs)
  total[correct_lable]+=1
  if(label==correct_lable):
    scorecard.append(1)
    rightsum[correct_lable]+=1
  else:
    scorecard.append(0)
 
scorecard_array=numpy.asarray(scorecard)
print(scorecard_array)
print("")
print(scorecard_array.sum()/scorecard_array.size)
print("")
print(total)
print(rightsum)
for i in range(10):
  print((rightsum[i]*1.0)/total[i])
 
#all_value=test_data_list[0].split(",")
#input=(numpy.asfarray(all_value[1:])/255.0*0.99)+0.01
#print(all_value[0])
 
#image_array=numpy.asfarray(all_value[1:]).reshape((28,28))
 
#matplotlib.pyplot.imshow(image_array,cmap="Greys",interpolation="None")
#matplotlib.pyplot.show()
#nn=n.query((numpy.asfarray(all_value[1:])/255.0*0.99)+0.01)
#for i in nn :
#  print(i)

尝试统计了对于各个数据测试数量及正确率。

python神经网络编程实现手写数字识别

原本想验证书后向后查询中数字‘9'识别模糊是因为训练数量不足或错误率过高而产生,然最终结果并不支持此猜想。

另书中只能针对特定像素的图片进行学习,真正手写的图片并不能满足训练条件,实际用处仍需今后有时间改进。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python实现的归并排序算法示例
Nov 21 Python
python使用opencv驱动摄像头的方法
Aug 03 Python
详解python中递归函数
Apr 16 Python
Python实现时间序列可视化的方法
Aug 06 Python
Python 使用元类type创建类对象常见应用详解
Oct 17 Python
python面向对象之类属性和类方法案例分析
Dec 30 Python
PyTorch中反卷积的用法详解
Dec 30 Python
使用python接受tgam的脑波数据实例
Apr 09 Python
python 贪心算法的实现
Sep 18 Python
总结Pyinstaller的坑及终极解决方法(小结)
Sep 21 Python
No module named ‘win32gui‘ 的解决方法(踩坑之旅)
Feb 18 Python
python如何实现递归转非递归
Feb 25 Python
python安装和pycharm环境搭建设置方法
May 27 #Python
Python中无限循环需要什么条件
May 27 #Python
Python使用matplotlib绘制圆形代码实例
May 27 #Python
Python如何实现的二分查找算法
May 27 #Python
Python xml、字典、json、类四种数据类型如何实现互相转换
May 27 #Python
pycharm开发一个简单界面和通用mvc模板(操作方法图解)
May 27 #Python
Python列表如何更新值
May 27 #Python
You might like
php $_SERVER["REQUEST_URI"]获取值的通用解决方法
2010/06/21 PHP
PHP轻量级数据库操作类Medoo增加、删除、修改、查询例子
2014/07/04 PHP
PHP面向对象程序设计之接口用法
2014/08/20 PHP
PHP实现批量生成App各种尺寸Logo
2015/03/19 PHP
JavaScript replace(rgExp,fn)正则替换的用法
2010/03/04 Javascript
[原创]js获取数组任意个不重复的随机数组元素
2010/03/15 Javascript
picChange 图片切换特效的函数代码
2010/05/06 Javascript
js函数调用常用方法详解
2012/12/03 Javascript
关于JQuery($.load)事件的用法和分析
2013/04/09 Javascript
JS注释所产生的bug 即使注释也会执行
2013/11/19 Javascript
浅谈JavaScript超时调用和间歇调用
2015/08/30 Javascript
JS实现获取剪贴板内容的方法
2016/06/21 Javascript
js实现图片左右滚动效果
2017/02/27 Javascript
js求数组中全部数字可拼接出的最大整数示例代码
2017/08/25 Javascript
基于Vue实现后台系统权限控制的示例代码
2017/08/29 Javascript
js遍历添加栏目类添加css 再点击其它删除css【推荐】
2018/06/12 Javascript
vue中如何实现后台管理系统的权限控制的方法步骤
2019/09/05 Javascript
JavaScript实现轮播图特效
2020/04/10 Javascript
[47:39]2018DOTA2亚洲邀请赛 3.31 小组赛 A组 LGD vs OPTIC
2018/03/31 DOTA
python生成日历实例解析
2014/08/21 Python
python创建一个最简单http webserver服务器的方法
2015/05/08 Python
Python实现PS图像调整黑白效果示例
2018/01/25 Python
Python3.5 Pandas模块之Series用法实例分析
2019/04/23 Python
Python如何基于selenium实现自动登录博客园
2019/12/16 Python
详解如何在登录过期后跳出Ifram框架
2020/09/10 HTML / CSS
戴尔美国官方折扣店:Dell Outlet
2018/02/13 全球购物
Chi Chi London官网:购买连衣裙和礼服
2020/10/25 全球购物
Servlet的实例是在生命周期什么时候创建的?配置servlet最重要的是什么?
2012/05/30 面试题
总经理职责范文
2013/11/08 职场文书
电子商务个人职业生涯规划范文
2014/02/12 职场文书
小学生感恩老师演讲稿
2014/08/28 职场文书
中职毕业生自我鉴定范文(3篇)
2014/09/28 职场文书
老公写给老婆的检讨书
2015/05/06 职场文书
城镇居民医疗保险工作总结
2015/08/10 职场文书
三严三实·严以律己心得体会
2016/01/13 职场文书
PyTorch 实现L2正则化以及Dropout的操作
2021/05/27 Python