Нейронную

Набор рукописных цифр MNIST 
193

---

Мы распакуем эти данные точно так же, как и предыдущие, по­
скольку они имеют аналогичную структуру.
Прежде чем создавать цикл для перебора всех тестовых записей, 
посмотрим, что произойдет, если мы вручную выполним одиночный 
тест. Ниже представлены результаты опроса уже обученной нейрон­
ной сети, выполненного с использованием первой записи тестового 
набора данных.
Как видите, в качестве маркера первой записи тестового набора 
сеть определила символ “ 7” . Именно этого ответа мы ожидали, опра­
шивая ее.
194 
Глава 2, Создаем нейронную сеть на Python

---

Графическое отображение пиксельных значений подтверждает, 
что рукописной цифрой действительно является цифра “ 7” .
В результате опроса обученной сети мы получаем список чисел, 
являющихся выходными значениями каждого из выходных узлов. 
Сразу же бросается в глаза, что одно из выходных значений намного 
превышает остальные, и этому значению соответствует маркер “ 7” . 
Это восьмой элемент списка, поскольку первому элементу соответ­
ствует маркер “ О” .
У нас все сработало!
Этот момент заслуживает того, чтобы мы им насладились, и пол­
ностью окупает все затраченные нами до сих пор усилия!
Мы обучили нашу нейронную сеть и добились того, что она смог­
ла определить цифру, предоставленную ей в виде изображения. 
Вспомните, что до этого сеть не сталкивалась с данным изображе­
нием, поскольку оно не входило в тренировочный набор данных. 
Следовательно, нейронная сеть оказалась в состоянии корректно 
классифицировать незнакомый ей цифровой символ. Это поистине 
впечатляющий результат!
С помощью всего лишь нескольких строк кода на языке Python 
мы создали нейронную сеть, способную делать то, что многие люди 
сочли бы проявлением искусственного интеллекта, — распознавать 
изображения цифр, написанных рукой человека.
Этот результат впечатляет еще больше, если учесть, что для обу­
чения сети была использована ничтожно малая часть полного набора 
тренировочных данных. Вспомните, что этот набор включает 60 ты­
сяч записей, а мы использовали только 100 из них. У меня даже были 
сомнения относительно того, что у нас вообще что-либо получится!
Продолжим в том же духе и напишем код, позволяющий прове­
рить, насколько хорош о нейронная сеть справляется с остальной