Нейронную

206 
Глава 
2
.
Создаем нейронную сеть на Python

---

даже десять скрытых узлов обеспечивают точность 0,8998, или 90% , 
что тоже впечатляет.
Зафиксируйте в памяти этот факт. Нейронная сеть способна да­
вать хорошие результаты даже при небольшом количестве скрытых 
узлов, в которых и происходит обучение, что свидетельствует о ее 
мощных возможностях.
По мере дальнейшего увеличения количества скрытых узлов ре­
зультаты продолжают улучшаться, однако уже не так резко. При 
этом значительно растет время, затрачиваемое на тренировку сети, 
поскольку добавление каждого дополнительного скрытого узла при­
водит к увеличению количества связей узлов скрытого слоя с узлами 
предыдущего и следующего слоев, а вместе с этим и объема вычис­
лений! Поэтому необходимо достигать компромисса между количе­
ством скрытых узлов и допустимыми затратами времени. Для моего 
компьютера оптимальное количество узлов составляет двести. Ваш 
компьютер может работать быстрее или медленнее.
Мы также установили новый рекорд точности: 0,9751 при 200 
скрытых узлах. Длительный расчет с 500 узлами обеспечил точность 
0,9762. Это действительно неплохо по сравнению с результатами эта­
лонных тестов, опубликованными на сайте Лекуна по адресу 
http:
yann.lecun.com/exdb/mnist/.
Возвращаясь к графикам, можно заметить, что неподдающийся 
ранее предел точности 97% был преодолен за счет изменения конфи­
гурации сети.
Подведем итоги
Давая общую оценку проделанной нами работы, хочу подчер­
кнуть, что при создании нейронной сети с помощью Python мы ис­
пользовали лишь самые простые концепции.
И тем не менее с помощью нашей нейронной сети нам, даже без 
использования каких-либо дополнительных математических ухищ­
рений, удалось получить вполне достойные результаты, сравнимые 
с теми, которые были достигнуты учеными и профессиональными 
исследователями.
Дополнительный интересный материал вы найдете в главе 3, но 
даже если вы не будете применять изложенные там идеи, можете 
безо всяких колебаний продолжить эксперименты с уже созданной