Python手写体数字识别带详细注释2.0

使用BP算法的神经网络手写体数字识别，使用Python语言编写，包含四个文件：训练模块，测试模块，图像显示模块还有一个最简单的神经网络模型。希望对大家有帮助。（更改了上一版的一点注释错误）

import numpy
import scipy.special

class neuralnetwork:
    def __init__（selfinputnodeshiddennodesoutputnodeslearningrate）:
        self.inodes = inputnodes
        self.hnodes = hiddennodes
        self.onodes = outputnodes

        self.lr = learningrate

        self.wih=numpy.random.normal（0.0pow（self.hnodes-0.5）（self.hnodesself.inodes））
        self.who=numpy.random.normal（0.0pow（self.onodes-0.5）（self.onodesself.hnodes））

        self.activation_function = lambda x:scipy.special.expit（x）
        pass

    def train（selfinputs_listtargets_list）:
        inputs = numpy.array（inputs_listndmin=2）.T
        targets = numpy.array（targets_listndmin=2）.T

        hidden_inputs = numpy.dot（self.wihinputs）
        hidden_outputs = self.activation_function（hidden_inputs）

        final_inputs = numpy.dot（self.whohidden_outputs）
        final_outputs = self.activation_function（final_inputs）

        output_errors = targets - final_outputs
        hidden_errors = numpy.dot（self.who.Toutput_errors）

        self.who += self.lr * numpy.dot（（output_errors * final_outputs * （1.0-final_outputs））numpy.transpose（hidden_outputs））
        self.wih += self.lr * numpy.dot（（hidden_errors * hidden_outputs * （1.0-hidden_outputs））numpy.transpose（inputs））
        
        pass

    def query（selfinputs_list）:
        inputs = numpy.array（inputs_listndmin=2）.T

        hidden_inputs = numpy.dot（self.wihinputs）
        hidden_outputs = self.activation_function（hidden_inputs）

        final_inputs = numpy.dot（self.whohidden_outputs）
        final_outputs = self.activation_function（final_inputs）
        return final_outputs

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3565  2019-04-08 21:06  train_handwrite_num.py
     文件        1031  2019-03-17 15:06  query_handwrite_num.py
     文件         433  2019-03-17 15:06  show_num.py
     文件        1697  2019-03-17 14:43  first_neuralwork.py