Нейронную

Набор рукописных цифр MNIST 
189

---

• h ttp s : //g i t h u b . com/makeyourownneuralnetwork/ 
makeyourownneuralnetwork/blob/master/part2_neural__ 
network_mnist_data. ipynb
В ы также можете ознакомиться с тем, как постепенно улучшался
этот код, воспользовавшись следующей ссылкой:
• h ttp s : //g i t h u b . com/makeyourownneuralnetwork/ 
makeyourownneuralnetwork/commits/master/part2_neural__ 
network_mnist_data. ipynb
# Блокнот Python для книги "Создаем нейронную сеть” .
# Код для создания 3-слойной нейронной сети вместе с
# кодом для ее обучения с помощью набора данных MNIST.
# (с) Tariq Rashid, 2016
# лицензия GPLv2
import numpy
# библиотека scipy.special содержит сигмоиду expit() 
import scipy.special
# библиотека для графического отображения массивов 
import matplotlib.pyplot
# гарантировать размещение графики в данном блокноте,
# а не в отдельном окне 
%matplotlib inline
# определение класса нейронной сети 
class neuralNetwork:
# инициализировать нейронную сеть
def __init__(self, inputnodes, hiddennodes, outputnodes,
^learningrate):
# задать количество узлов во входном, скрытом и выходном слое 
self.inodes = inputnodes
self.hnodes = hiddennodes 
self.onodes = outputnodes
# Матрицы весовых коэффициентов связей, wih и who.
# Весовые коэффициенты связей между узлом i и узлом j
# следующего слоя обозначены как w_i_j:
# wll w21
# wl2 w22 и т.д.
self.wih = numpy.random.normal(0.0, pow(self.hnodes, -0.5), 
b
(self.hnodes, self.inodes))
self.who = numpy.random.normal(0.0, pow(self.onodes, -0.5), 
b
(self.onodes, self.hnodes))
# коэффициент обучения 
self.lr = learningrate
190