Нейронную

192 
Глава 2. Создаем нейронную сеть на Python

---

Почему мы выбрали 784 входных узла? Вспомните о том, что это 
число равно произведению 28x28, представляющему количество 
пикселей, из которых состоит изображение рукописной цифры.
Выбор ста скрытых узлов не имеет столь же строгого научного обос­
нования. Мы не выбрали это число большим, чем 784, из тех соображе­
ний, что нейронная сеть должна находить во входных значениях такие 
особенности или шаблоны, которые можно выразить в более короткой 
форме, чем сами эти значения. Поэтому, выбирая количество узлов 
меньшим, чем количество входных значений, мы заставляем сеть пы­
таться находить ключевые особенности путем обобщения информации. 
В то же время, если выбрать количество скрытых узлов слишком ма­
лым, будут ограничены возможности сети в отношении определения 
достаточного количества отличительных признаков или шаблонов 
в изображении. Тем самым мы лишили бы сеть возможности выносить 
собственные суждения относительно данных MNIST. С учетом того, что 
выходной слой должен обеспечивать вывод 10 маркеров, а значит, дол­
жен иметь десять узлов, выбор промежуточного значения 100 для ко­
личества узлов скрытого слоя представляется вполне разумным.
В связи с этим следует сделать одно важное замечание: идеального 
общего метода для выбора количества скрытых узлов не существует. 
В действительности не существует и идеального метода выбора коли­
чества скрытых слоев. В настоящее время наилучшим подходом яв­
ляется проведение экспериментов до тех пор, пока не будет получена 
конфигурация сети, оптимальная для задачи, которую вы пытаетесь 
решить.
Тестирование нейронной сети
Справившись с тренировкой сети, по крайней мере на небольшом 
подмножестве из ста записей, мы должны проверить, как она работа­
ет, и сделаем это, используя тестовый набор данных.
Прежде всего, необходимо получить тестовые записи. Соответс­
твующий код очень похож на тот, который мы использовали для по­
лучения тренировочных данных.
# загрузить в список тестовый набор данных CSV-файла набора MNIST 
test_data_file = open("mnist_dataset/mnist_test_10.csv", 'г') 
test_data_list = test_data_file.readlines() 
test data file.closed