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网页请求urllib2模块简单封装代码
Feb 07 Python
用Python展示动态规则法用以解决重叠子问题的示例
Apr 02 Python
浅析Python多线程下的变量问题
Apr 28 Python
Python3.5面向对象编程图文与实例详解
Apr 24 Python
python二维键值数组生成转json的例子
Dec 06 Python
解决python web项目意外关闭,但占用端口的问题
Dec 17 Python
Django media static外部访问Django中的图片设置教程
Apr 07 Python
pytorch SENet实现案例
Jun 24 Python
基于python实现操作redis及消息队列
Aug 27 Python
简单的命令查看安装的python版本号
Aug 28 Python
Django debug为True时,css加载失败的解决方案
Apr 24 Python
Python识别花卉种类鉴定网络热门植物并自动整理分类
Apr 08 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 存储文本换行实现方法
2010/01/05 PHP
PHP中simplexml_load_string函数使用说明
2011/01/01 PHP
Yii框架登录流程分析
2014/12/03 PHP
php采集自中央气象台范围覆盖全国的天气预报代码实例
2015/01/04 PHP
详解 PHP加密解密字符串函数附源码下载
2015/12/18 PHP
PHP实现补齐关闭的HTML标签
2016/03/22 PHP
js wmp操作代码小结(音乐连播功能)
2008/11/08 Javascript
从零开始学习jQuery (三) 管理jQuery包装集
2011/02/23 Javascript
jquery 使用点滴函数代码
2011/05/20 Javascript
jquery中使用$(#form).submit()重写提交表单无效原因分析及解决
2013/03/25 Javascript
介绍JavaScript中Math.abs()方法的使用
2015/06/14 Javascript
整理Javascript基础语法学习笔记
2015/11/29 Javascript
详解javascript获取url信息的常见方法
2016/12/19 Javascript
JavaScript实现自定义媒体播放器方法介绍
2017/01/03 Javascript
jQuery实现CheckBox全选、全不选功能
2017/01/11 Javascript
jQuery实现文档树效果
2017/02/20 Javascript
dropload.js插件下拉刷新和上拉加载使用详解
2017/10/20 Javascript
vue解决花括号数据绑定不成功的问题
2019/10/30 Javascript
跟老齐学Python之集成开发环境(IDE)
2014/09/12 Python
python调用pyaudio使用麦克风录制wav声音文件的教程
2019/06/26 Python
在vscode中配置python环境过程解析
2019/09/28 Python
浅谈matplotlib 绘制梯度下降求解过程
2020/07/12 Python
我的珠宝盒:Ma boîte à bijoux
2019/08/27 全球购物
新西兰最大的天然保健及护肤品网站:HealthPost(直邮中国)
2021/02/13 全球购物
Java中有几种方法可以实现一个线程?用什么关键字修饰同步方法?stop()和suspend()方法为何不推荐使用?
2015/08/04 面试题
实习生自我鉴定范文
2013/12/05 职场文书
售后专员岗位职责
2013/12/08 职场文书
小区门卫岗位职责
2013/12/31 职场文书
大学秋游活动方案
2014/02/11 职场文书
多媒体专业自我鉴定
2014/02/28 职场文书
产品推广策划方案
2014/05/10 职场文书
优秀学生党员先进事迹材料
2014/05/29 职场文书
医院深入开展党的群众路线教育实践活动实施方案
2014/08/27 职场文书
2015年信贷员工作总结
2015/04/28 职场文书
党小组评议意见
2015/06/02 职场文书
导游词之云南丽江古城
2019/09/17 职场文书