卷积神经网络源码

#coding:utf-8
import numpy as np
import os
import gzip
import urllib.request
import struct
import matplotlib.pyplot as plt
import sys
import pickle
filefolder = r‘C:\Users\子坤\Desktop\machinelearning learning‘
filename_list = （r‘\train-images-idx3-ubyte.gz‘
            r‘\train-labels-idx1-ubyte.gz‘
            r‘\t10k-images-idx3-ubyte.gz‘
            r‘\t10k-labels-idx1-ubyte.gz‘）
file_net_name = r‘\net.pkl‘
def storeNet（filename net）:
    fw = open（filename‘wb‘）
    pickle.dump（net fw）
    fw.close（）
def grabNet（filename）:
    fr = open（filename‘rb‘）
    net = pickle.load（fr）
    fr.close（）
    return net
def load_dataset（pathfile_train_image file_train_label file_test_image file_test_label）:
    “““
    函数功能：读取mnist数据集，并返回4个np数组
    path:手写数字数据集路径名
    file_train_image:训练集image压缩包文件名
    file_train_label：训练集label压缩包文件名
    file_test_image：测试集image压缩包文件名
    file_test_label：测试集label压缩包文件名
    “““
    train_imgs = load_imageset（path + file_train_image）
    train_lbls = load_labelset（path + file_train_label）
    test_imgs = load_imageset（path + file_test_image）
    test_lbls = load_labelset（path + file_test_label）
    return train_imgs train_lbls test_imgs test_lbls
def load_imageset（filename）:
    “““
    函数功能：读取mnist数据的中的images压缩包到np数组中并返回
    函数工作原理解释：该二进制文件的内容以“位”为单位，前16个字节是4个整形数组，每个数字（分别是魔数、图
    片数、图片横轴像素数、图片纵轴像素数）占4个字节，接下来每个字节代表一个像素值。
    filename：待读取文件绝对路径
    “““
    with gzip.open（filename ‘rb‘） as binfile:
        buffers = binfile.read（）
    binfile.close（）
    head = struct.unpack_from（‘>IIII‘ buffers 0） # 取前4个整数，返回一个元组
    offset = struct.calcsize（‘>IIII‘）  # 定位到data开始的位置
    imgNum width height = head[1] head[2] head[3]
    bits = imgNum * width * height  # data一共有60000*28*28个像素值
    bitsString = ‘>‘ + str（bits） + ‘B‘  # fmt格式：‘>47040000B‘
    imgs = struct.unpack_from（bitsString buffers offset） # 取data数据，返回一个元组
    imgs = np.reshape（imgs [imgNum 1 width height]） # reshape为[60000784]型数组
    print（imgs.shape）
    return imgs

def load_labelset（filename）:
    “““
    函数功能：读取mnist数据的中的label压缩包到np数组中并返回
    函数工作原理解释：该二进制文件的内容以“位”为单位，前8个字节是2个整形数组，每个数字（分别是魔数、
    laebl数）占4个字节，接下来每个字节代表一个label值。
    filename：待读取文件绝对路径
    “““
    with gzip.open（filename ‘rb‘） as binfile:
        buffers = binfile.read（）
    binfile.close（）
    head = struct.unpack_from（‘>II‘ buffers 0） # 取前2个整数，返回一个元组
    offset = struct.calcsize（‘>II‘）  # 定位到label数据开始的位置
    lblNum = head[1] # data一共有60000个像素值
    bitsString = ‘>‘ + str（lblNum） + ‘B‘  # fmt格式：‘>600000B‘
    lbls = struct.unpack_from（bitsString buffers offset） # 取label数据，返回一个元组
    lbls = np.reshape（lbls [lblNum]） # reshape为[60000]型列表
    print（lbls.shape）
    return lbls
def conv（inputdata kernel）:
    “““
    计算两个np.adarray矩阵的卷积
    “““
    in_row in_column = inputdata.shape
    kernel_width kernel_height = kernel.shape
    re_row re_clunm = in_row - kernel_width + 1 in_column - kerne