零基礎，手把手教你第一個神經網路，只需三步！

這篇文章只是為你掃清障礙

程式碼還是要自己打一遍，才會發現各種報錯。

引數要自己除錯一遍。才能體會神經網路的神奇。

注意：需要學習資料視訊書籍的；

新增小編學習交流群943752371即可。

準備工作：

1、第一個人工神經網路實現目標：

識別數字，讓計算機學會識別如下數字

，

2、資料集：

https://pjreddie.com/projects/mnist-in-csv/

需要下載train set和test set兩個資料集。

資料分析：每一行代表一個手寫數字。每行第一列是這個數字的值，從第二列開始代表畫素值。

3、程式語言python，程式設計工具：jupyter notebook

安裝免費的anaconda，安裝後開啟jupyter notebook會跳出網頁，在網頁對話方塊裡輸入語句。

神經網路原理：

參見之前的文章。吳恩達教你入門神經網路 - 今宵的文章 - 知乎

https://zhuanlan.zhihu.com/p/49854976

正式動手：

把大象裝冰箱需要幾步？只需三步！

一、搭建模型

1、python程式設計通用第一步：引入各種需要的庫

這裡只需要3個庫。Numpy是數值計算必備庫，scipy是需要呼叫裡面一個函式，matplotlib是畫相簿

import numpy

import scipy.special

import matplotlib.pyplot

%matplotlib inline

2、模型框架：三個函式寫出神經網路框架

def init(self,inputnodes,hiddennodes,outputnodes,learningrate):設定神經網路引數，包含輸入層節點數、隱藏節點數、輸出層節點數和學習率

注意init左右2邊是2條下劃線，python裡叫魔法方法，某些情況下會自動呼叫這個函式。

def train(self,inputs_list,targets_list):——訓練函式，輸入和輸出2個引數

def query(self,inputs_list):——查詢函式，輸入1個引數

3、 補全函式：給函式寫具體功能。參見具體語句。

二、 訓練模型

1、 設定神經網路引數

寫出語句只是開始，調引數才是神經網路的重點，通過調整引數，可以讓模型結果更好

可以實驗不同的節點數、學習率，看看正確率會怎麼改變，感受引數的改變對模型輸出結果的影響。

2、訓練資料匯入

第一次匯入時可以選取小一點的資料集，比如1000個數據，原始資料匯入跑一次要花10多分鐘，不方便除錯。

可以用len() 語句檢視匯入語句是否成功，匯入了多少行語句。

我匯入語句比較順利，匯入失敗可能是檔名寫錯（比如沒寫字尾），或者資料夾放的不對。

3、 用資料訓練神經網路

耗時較長，還看不到結果，要耐心等待。

三、測試模型

1、測試資料匯入：

這裡訓練資料和測試資料要分開，否則訓練出神經網路起不到作用。就像平時做作業都對，但考試時不一定考出高分。考的內容要和平時作業不一樣才能驗證水平。

2、 附加：檢視神經網路訓練結果和實際資料的區別

這一步是最有成就感的一步。

看看圖片是什麼資料，神經網路判斷是什麼數字。這裡神經網路輸出10個數字，從0開始算，拿個數字最大表示判斷是拿個數。比如這張圖，第6個數據最大，表示神經網路判斷這個數字是5（因為從0開始算）。

3、 如何檢視神經網路的正確率？

用迴圈算出每個值和正確值比較

我這個模型的正確率是88.8%，1000個數據訓練出的正確率還可以。可以用全量30000個數據再訓練一次，最高的正確率是95%

4、 後續玩法

可以檢視哪個數神經網路判斷錯了：比如這張圖是5，神經網路判斷為1了，可以看到輸出結果比較接近，1的數值比5大了一點點。神經網路判斷這個影象1、像2又像5。

可以嘗試改變各種引數，追求最大的正確率，並畫出引數和正確率的關係。

可以嘗試自己手寫一個數字，把資料畫素化，讓神經網路判斷

附：完整程式碼參見https://github.com/makeyourownneuralnetwork/makeyourownneuralnetwork

參考文獻：《python神經網路程式設計》

如果覺得有用，請點個贊，讓我知道寫的對你有幫助。