10 行程式碼實現手寫數字識別
可直接閱讀原文：http://c.raqsoft.com.cn/article/1540374496048?r=alice
識別手寫的阿拉伯數字，對於人類來說十分簡單，但是對於程式來說還是有些複雜的。
不過隨著機器學習技術的普及，使用10幾行程式碼，實現一個能夠識別手寫數字的程式，並不是一件難事。這是因為有太多的機器學習模型可以拿來直接用，比如tensorflow、caffe，在python下都有現成的安裝包，寫一個識別數字的程式，10幾行程式碼足夠了。
然而我想做的，是不借助任何第三方的庫，從零開始，完全自己實現一個這樣的程式。之所以這麼做，是因為自己動手實現，才能深入瞭解機器學習的原理。
1 模型實現
1.1 原理
熟悉神經網路迴歸演算法的，可以略過這一節了。
學習了一些基本概念，決定使用迴歸演算法。首先下載了著名的MNIST資料集，這個資料集有60000個訓練樣本，和10000個測試樣本。每個數字圖片都是28*28的灰度圖片，所以輸入可以認為是一個28*28的矩陣，也可以認為是一個28*28=784個畫素值。
這裡定義一個模型用於判斷一個圖片數字，每個模型包括每個輸入的權重，加一個截距，最後再做個歸一。模型的表示式：
Out5= sigmoid(X0*W0+ X1*W1+……X783*W783+bias)
X0到X783是784個輸入，W0到W783是784個權重，bias是一個常量。sigmoid函式可以將較大範圍的數擠壓到(0,1)區間內，也就是歸一。
例如我們用這一組權重和bias來判斷數字5，期望當圖片是5時輸出是1，當不是5時輸出是0。然後訓練的過程就是根據每個樣本的輸入，計算Out5的值和正確值（0或1）的差距，然後根據這個差距，調整權重和bias。轉換一下公式，就是在努力使得（Out5-正確值）接近於0，即所謂損失最小。
同理，10個數字就要有10套模型，每個判斷不同的數字。訓練好以後，一個圖片來了，用這10套模型進行計算，哪個模型計算的結果更接近於1，就認為這個圖片是哪個數字。
1.2 訓練
按照上面的思路，使用集算器的SPL（結構化處理語言）來編碼實現：
| A |
B |
C |
|
| 1 |
=file("train-imgs.btx")[email protected]() |
||
| 2 |
>x=[],wei=[],bia=[],v=0.0625,cnt=0 |
||
| 3 |
for 10 |
>wei.insert(0,[to(28*28).(0)]), bia.insert(0,0.01) |
|
| 4 |
for 50000 |
>label=A1.fetch(1)(1) |
|
| 5 |
>y=to(10).(0), y(label+1)=1,x=[] |
||
| 6 |
>x.insert(0,A1.fetch(28*28)) |
>x=x.(~/255) |
|
| 7 |
=wei.(~**x).(~.sum()) ++ bia |
||
| 8 |
=B7.(1/(1+exp(-~))) |
||
| 9 |
=(B8--y)**(B8.(1-~))**B8 |
||
| 10 |
for 10 |
>wei(B10)=wei(B10)--x.(~*v*B9(B10)), bia(B10)=bia(B10) - v*B9(B10) |
|
| 11 |
>file("MNIST模型.btx")[email protected](wei),file("MNIST模型.btx")[email protected](bia) |
不用再找了，訓練模型的所有程式碼都在這裡了，沒有用到任何第三方庫，下面解析一下：
A1，用遊標匯入MNIST訓練樣本，這個是我轉換過的格式，可以被集算器直接訪問；
A2，定義變數：輸入x，權重wei，訓練速度v，等；
A3，B3，初始化10組模型（每組是784個權重+1個bias）；
A4，迴圈取5萬個樣本進行訓練，10模型同時訓練；
B4，取出來label，即這個圖片是幾；
B5，計算正確的10個輸出，儲存到變數y；
B6，取出來這個圖片的28*28個畫素點作為輸入，C6把每個輸入除以255，這是為了歸一化；
B7，計算X0*W0+ X1*W1+……X783*W783+bias
B8，計算sigmoid(B7)
B9，計算B8的偏導，或者叫梯度；
B10，C10，根據B9的值，迴圈調整10個模型的引數；
A11，訓練完畢，把模型儲存到檔案。
測試效果和優化，以及編碼可看原文：http://c.raqsoft.com.cn/article/1540374496048?r=alice
作者：liwei
來源：乾學院
著作權歸作者所有。商業轉載請聯絡作者獲得授權，非商業轉載請註明出處。