Нейронную

[1:]) / 255.0 * 0.99) 
+ 
0.01 
print(scaled_input)
Результирующий вывод данных подтверждает, что они действи­
тельно принадлежат к диапазону значений от 0,01 до 1,00.
Итак, мы осуществили подготовку данных MNIST путем их мас­
штабирования и сдвига и теперь можем подавать их на вход нашей 
нейронной сети как с целью ее тренировки, так и с целью опроса.
На этом этапе нам также нужно продумать, что делать с выходны­
ми значениями нейронной сети. Ранее вы видели, что выходные зна­
чения должны укладываться в диапазон значений, обеспечиваемый 
функцией активации. Используемая нами логистическая функция 
не может выдавать такие значения, как -2 ,0 или 255. Ее значения 
охватывают диапазон чисел от 0,0 до 1,0, а фактически вы никогда 
не получите значений 0,0 или 1,0, поскольку логистическая функ­
ция не может их достигать и лишь асимптотически приближается 
к ним. Таким образом, по-видимому, нам придется масштабировать 
выходные значения в процессе тренировки сети.
186 
Глава 2. Создаем нейронную сеть на Python

---

Но вообще-то, мы должны задать самим себе вопрос более глубо­
кого содержания. Что именно мы должны получить на выходе ней­
ронной сети? Должно ли это быть изображение ответа? В таком слу­
чае нам нужно иметь 28x28=784 выходных узла.
Если мы вернемся на шаг назад и задумаемся над тем, чего имен­
но мы хотим от нейронной сети, то поймем, что мы просим ее клас­
сифицировать изображение и присвоить ему корректный маркер. 
Таким маркером может быть одно из десяти чисел в диапазоне от О 
до 9. Это означает, что выходной слой сети должен иметь 10 узлов, 
по одному на каждый возможный ответ, или маркер. Если ответом 
является “ 0” , то активизироваться должен первый узел, тогда как 
остальные узлы должны оставаться пассивными. Если ответом яв­
ляется “ 9” , то активизироваться должен последний узел выходного 
слоя при пассивных остальных узлах. Следующая иллюстрация по­
ясняет эту схему на нескольких примерах выходных значений.
Первый пример соответствует случаю, когда сеть распознала вход­
ные данные как цифру “ 5” . Вы видите, что наибольший из исходя­
щих сигналов выходного слоя принадлежит узлу с меткой “ 5” . Не