python构建深度神经网络（DNN）_python构建dnn

56 浏览量更新于2023-03-16 评论 4 收藏 59KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

python构建深度神经网络（构建深度神经网络（DNN））

主要为大家详细介绍了python构建深度神经网络DNN，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

本文学习Neural Networks and Deep Learning 在线免费书籍，用python构建神经网络识别手写体的一个总结。

代码主要包括两三部分：

1）、数据调用和预处理）、数据调用和预处理

2）、神经网络类构建和方法建立）、神经网络类构建和方法建立

3）、代码测试文件）、代码测试文件

1）数据调用：）数据调用：

#!/usr/bin/env python

# -*- coding: utf-8 -*-

# @Time : 2017-03-12 15:11

# @Author : CC

# @File : net_load_data.py

# @Software: PyCharm Community Edition

from numpy import *

import numpy as np

import cPickle

def load_data():

"""载入解压后的数据，并读取"""

with open('data/mnist_pkl/mnist.pkl','rb') as f:

try:

train_data,validation_data,test_data = cPickle.load(f)

print " the file open sucessfully"

# print train_data[0].shape #(50000,784)

# print train_data[1].shape #(50000,)

return (train_data,validation_data,test_data)

except EOFError:

print 'the file open error'

return None

def data_transform():

"""将数据转化为计算格式"""

t_d,va_d,te_d = load_data()

# print t_d[0].shape # (50000,784)

# print te_d[0].shape # (10000,784)

# print va_d[0].shape # (10000,784)

# n1 = [np.reshape(x,784,1) for x in t_d[0]] # 将5万个数据分别逐个取出化成（784,1），逐个排列

n = [np.reshape(x, (784, 1)) for x in t_d[0]] # 将5万个数据分别逐个取出化成（784,1），逐个排列

# print 'n1',n1[0].shape

# print 'n',n[0].shape

m = [vectors(y) for y in t_d[1]] # 将5万标签（50000,1）化为（10,50000）

train_data = zip(n,m) # 将数据与标签打包成元组形式

n = [np.reshape(x, (784, 1)) for x in va_d[0]] # 将5万个数据分别逐个取出化成（784,1），排列

validation_data = zip(n,va_d[1]) # 没有将标签数据矢量化

n = [np.reshape(x, (784, 1)) for x in te_d[0]] # 将5万个数据分别逐个取出化成（784,1），排列

test_data = zip(n, te_d[1]) # 没有将标签数据矢量化

# print train_data[0][0].shape #(784,）

# print "len(train_data[0])",len(train_data[0]) #2

# print "len(train_data[100])",len(train_data[100]) #2

# print "len(train_data[0][0])", len(train_data[0][0]) #784

# print "train_data[0][0].shape", train_data[0][0].shape #（784,1）

# print "len(train_data)", len(train_data) #50000

# print train_data[0][1].shape #(10,1)

# print test_data[0][1] # 7

return (train_data,validation_data,test_data)

def vectors(y):

"""赋予标签"""

label = np.zeros((10,1))

label[y] = 1.0 #浮点计算

return label

2）网络构建）网络构建

#!/usr/bin/env python

# -*- coding: utf-8 -*-

# @Time : 2017-03-12 16:07

# @Author : CC

# @File : net_network.py

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

weixin_38736721

粉丝: 3
资源: 930

会员权益专享

python构建深度神经网络（DNN）

评论0

会员权益专享

最新资源

python构建深度神经网络（DNN）

评论0

神经网络理论基础及 Python 实现.pdf

DNN:适用于Python的深度神经网络

声音克隆代码，python

Symbolic DNN-Tuner：基于Python和ProbLog的深度神经网络超参数优化系统

PyTorch深度神经网络构建：多层感知器

OpenCV4深度神经网络（DNN）实战教程：入门指南

OpenCV4深度神经网络（DNN）实战教程：目标定位与分割技术

OpenCV4深度神经网络（DNN）实战教程：图像风格转换与增强技术

dnn深度神经网络python

dnn深度神经网络 python

python构建dnn

语音识别dnn python

Python进行深度学习

python手写数字识别DNN模型

深度神经模糊随机森林python代码

dnn代码python 代码

写一段python代码：写一段深度神经网络的示例

python dnn

python知识图谱构建问答系统

DNN Python

会员权益专享

最新资源