شناسایی ارقام دست نویس از مجموعه داده های MNIST با استفاده از پایتون

عکس پروفایل نویسنده

@لئوگالئو گاو

من یک توسعه دهنده پشته کامل هستم که با Deep Learning شروع به کار می کنم و در این راه یادگیری های خود را به اشتراک می گذارم.

آنچه می سازم

ارقام دست نویس از مجموعه داده های معروف MNIST است. مجموعه داده م Instituteسسه استاندارد و فناوری ملی اصلاح شده (MNIST) مجموعه ای از 60،000 تصویر کوچک در ابعاد خاکستری با ابعاد 28 gra 28 پیکسل از یک رقمی دست نویس بین 0 تا 9 است.

وظیفه این است که یک تصویر داده شده را در یکی از 10 رقم طبقه بندی کنید.

من همه آن را در پایتون انجام می دهم.

بیایید شروع کنیم.

کد

import itertools

from keras.datasets import mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

images = x_train[0:1000]
labels = y_train[0:1000]

def flatten_image(image):
    return list(itertools.chain.from_iterable(image))

def weighted_sum(a, b):
    assert(len(a) == len(b))
    output = 0
    for i in range(len(a)):
        output += (a[i] * b[i])
    return output

def vector_matrix_multiplication(a, b):
    output = [0 for i in range(10)]
    for i in range(len(output)):
        assert(len(a) == len(b[i]))
        output[i] = weighted_sum(a, b[i])
    return output

def zeros_matrix(rows, cols):
    output = []
    for r in range(rows):
        output.append([0 for col in range(cols)])
    return output

def outer_product(a, b):
    output = zeros_matrix(len(a),...