神經網絡可以自動從數據中學習到合適的權重參數。
3.6手寫數字識別
手寫數字圖像的分類,先通過訓練圖像進行學習,得到模型,再對測試圖像進行分類。
訓練圖像都標有數字【0-9】的標籤。
代碼見我上傳的資料:
python腳本mnist.py。下載4個數據集,將數據轉換成NumPy數組進行處理
上圖中下載的數據集,我沒下載成功,【有報錯】,而是從網上找的資源。
數據訓練集
(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=False)
上面的代碼中的load_mnist介紹見下圖。
代碼見下圖
pip install Pillow
MNIST.rar的資源解壓後成功了。
識別成功了。
3.6.2神經網絡的推理處理
正規化:把數據限定到某個範圍內的處理稱爲正規化處理。
預處理:對神經網絡的輸入數據進行某種既定的轉換稱爲預處理。
3.6.3批處理
由於數值計算的庫都進行了能夠高效處理大型數組運算的最優化,所以批處理具有優勢。