[已解决]求助 代码出现值错误

fcx2000913

这是一个关于BP神经网络实现手写数字识别的代码 在运行的最后几步出现了未对齐的错误 求助大佬们应该怎么改啊

1. #导入模块
   
2. import numpy as np
   
3. from sklearn.datasets import load_digits
   
4. from sklearn.preprocessing import LabelBinarizer
   
5. from sklearn.model_selection import train_test_split
   
6. from sklearn.metrics import classification_report,confusion_matrix
   
7. import matplotlib.pyplot as plt
   
8. #载入数据
   
9. digits = load_digits()
   
10. print(digits.images.shape)
    
11. #显示图片
    
12. plt.imshow(digits.images[0],cmap = 'gray')
    
13. plt.show()
    
14. plt.imshow(digits.images[1],cmap = 'gray')
    
15. plt.show()
    
16. plt.imshow(digits.images[2],cmap = 'gray')
    
17. plt.show
    
18. #数据
    
19. X = digits.data
    
20. #标签
    
21. y = digits.target
    
22. print(X.shape)
    
23. print(y.shape)
    
24. print(X[:3])
    
25. print(y[:3])
    
26. # 定义一个神经网络，结构：64-100-10
    
27. # 定义输入层到隐藏层之间的权值矩阵
    
28. V = np.random.random((64,100))*2-1
    
29. # 定义隐藏层到输出层之间的权值矩阵
    
30. V = np.random.random((100,10))*2-1
    
31. # 数据切分
    
32. # 1/4为测试集，3/4为训练集
    
33. X_train,X_test,y_train,y_test = train_test_split(X,y)
    
34. #标签二值化
    
35. lables_train = LabelBinarizer().fit_transform(y_train)
    
36. print(y_train[:5])
    
37. print('哈哈')
    
38. print(lables_train[:5])
    
39. # 激活函数
    
40. def sigmoid(x):
    
41.     return 1/(1 + np.exp(-x))
    
42. #激活函数的导数
    
43. def dsigmoid(x):
    
44.     return x*(1-x)
    
45. #训练模型
    
46. def train(X,y,steps = 10000,lr = 0.11):
    
47.     global V,W
    
48.     for n in range(steps + 1):
    
49.         #随机选取一个数据
    
50.         i = np.random.randint(X.shape[0])
    
51.         #获取一个数据
    
52.         x = X[i]
    
53.         x = np.atleast_2d(x)
    
54.         # BP算法公式
    
55.         # 计算隐藏层的输出
    
56.         L1 = sigmoid(np.dot(x,V))
    
57.         #计算输出层的输出
    
58.         L2 = sigmoid(np.dot(L1,W))
    
59.         #计算L2_delta,L1_delta
    
60.         L2_delta = (y[i] - L2) * dsigmoid(L2)
    
61.         L1_delta = L2_delta.dot(W.t) * dsigmoid(L1)
    
62.         #更新权值
    
63.         W += lr * L1.T.dot(L2_delta)
    
64.         V += lr*x.T.dot(L1_delta)
    
65.         #每训练1000次预测一次准确率
    
66.         if n % 1000 == 0:
    
67.             output = predict(X_test)
    
68.             predictions = np.argmax(output,axis = 1)
    
69.             acc = np.mean(np.equal(predictions,y_test))
    
70.             print('steps:',n,'accuracy:',acc)
    
71. def predict(x):
    
72.     #计算隐藏的输出
    
73.     L1 = sigmoid(np.dot(x,V))
    
74.     #计算输出的输出
    
75.     L2 = sigmoid(np.dot(L1,W))
    
76.     return L2
    
77. # 进行30000次的模型训练，完成1000次训练输出一次训练结果
    
78. train(X_train,lables_train,30000)
    
79. # 用测试数据对已训练的模型进行测试
    
80. output = predict(X_test)
    
81. # 按行查找训练结果的最大元素
    
82. predictions = np.argmax(output,axis = 1)
    
83. # 比较预测测试标签和真实标签，并输出准确率
    
84. print(classification_report(predictions,y_test))
    
85. #利用混淆矩阵实现模型评估，矩阵行数据相加是真实值类别数，列数据相加是分类后的类别数
    
86. print(confusion_matrix(predictions,y_test))

复制代码

最佳答案

月排行榜 / 总排行榜

Twilight6

2020-6-14 08:37:21

报错那写了

1. L1 = sigmoid(np.dot(x,V))

复制代码

这里58行未对奇，可能是长度不一样，导致的吧，你检查检查你的代码

跳转到最佳答案楼层

Twilight6

报错那写了

1. L1 = sigmoid(np.dot(x,V))

复制代码

这里58行未对奇，可能是长度不一样，导致的吧，你检查检查你的代码