了解以下神经网络

Question

我目前已开始阅读 Michael Nielson 撰写的在线书籍，其中深入讨论了创建神经网络的基础知识并提供了解释性代码示例。

我指的网书可以看here

我一直在关注并创建了一个基本的神经网络，该网络实现了随机梯度下降，可以稍微改变权重和偏差以提高学习准确性。

代码长约 75 行（减去注释），可以看到 here.

我使用了 MNIST dataset，它由 60,000 个数字组成，我用来训练网络。

SGD 函数采用training_data，它是一个元组列表(x, y)，表示训练输入和相应的期望输出以及其他不言自明的参数。

在 Python shell 中创建网络实例时，我会加载 MNIST 数据集作为输入，并使用它来调整权重和值。

训练完成后，我有点困惑如何在不属于数据集的其他数字输入上实际测试网络。

我认为我应该调用feedforward 函数并输入我的数字字形矩阵是否正确？

def feedforward(self, a):
        """Return the output of the network if "a" is input."""
        for b, w in zip(self.biases, self.weights):
            a = sigmoid(np.dot(w, a)+b)
        return a

假设输入 a 是一个 (n, 1) Numpy ndarray，而不是一个 (n, ) 向量。这里，n 是网络的输入数量。

这本书谈了很多关于如何训练网络的内容，我只是对如何运行一些验证测试并获得一些网络输出感到有些困惑。

Answer 1

你的假设是正确的。 feedforward 函数的输出将是网络不同结果的概率分布。检查您共享的代码中定义的evaluate() 函数，了解它的使用方式。