1. 程式人生 > >手寫數字識別遇到的問題,希望可以幫到大家

手寫數字識別遇到的問題,希望可以幫到大家

1、

D:\ProgramData\Anaconda3\python.exe "D:/Program Files/JetBrains/My Project/carry out.py"
Traceback (most recent call last):
  File "D:/Program Files/JetBrains/My Project/carry out.py", line 4, in <module>
    training_data, validation_data, test_data = mnist_loader.load_data_wrapper()
  File "D:\Program Files\JetBrains\My Project\mnist_loader.py", line 68, in load_data_wrapper
    tr_d, va_d, te_d = load_data()
  File "D:\Program Files\JetBrains\My Project\mnist_loader.py", line 43, in load_data
    training_data, validation_data, test_data = pickle.load(f)
UnicodeDecodeError: 'ascii' codec can't decode byte 0x90 in position 614: ordinal not in range(128)

解決方法

將training_data, validation_data, test_data = cPickle.load(f)
改為即可,training_data, validation_data, test_data = cPickle.load(f,encoding='bytes')


2、

D:\ProgramData\Anaconda3\python.exe "D:/Program Files/JetBrains/My Project/carry out.py"
Traceback (most recent call last):
  File "D:/Program Files/JetBrains/My Project/carry out.py", line 8, in <module>
    net.SGD(training_data, 30, 10, 3.0, test_data=test_data)
  File "D:\Program Files\JetBrains\My Project\network.py", line 37, in SGD
    print("Epoch {0}: {1} / {2}".format(j, self.evluate(test_data),n_test))
AttributeError: 'Network' object has no attribute 'evluate'

很簡單,打錯單詞了  應該是 evaluate

3、TypeError: object of type 'zip' has no len()

將minister改為以下內容 在zip 之前都加上list  ,使其列表化

 tr_d, va_d, te_d = load_data()
    training_inputs = [np.reshape(x, (784, 1)) for x in tr_d[0]]
    training_results = [vectorized_result(y) for y in tr_d[1]]
    training_data = list(zip(training_inputs, training_results))
    validation_inputs = [np.reshape(x, (784, 1)) for x in va_d[0]]
    validation_data = list(zip(validation_inputs, va_d[1]))
    test_inputs = [np.reshape(x, (784, 1)) for x in te_d[0]]
    test_data = list(zip(test_inputs, te_d[1]))
    return (training_data, validation_data, test_data)

相關推薦

數字識別程式碼可以跑通

來源: https://github.com/caicloud/tensorflow-tutorial/tree/master/Deep_Learning_with_TensorFlow/1.0.0/Chapter05/ 原始檔在Python3有問題,無法解決 #來自實

數字識別遇到的問題希望可以大家

1、 D:\ProgramData\Anaconda3\python.exe "D:/Program Files/JetBrains/My Project/carry out.py" Traceback (most recent call last):   File "D:

第二節TensorFlow 使用前饋神經網絡實現數字識別

com net config return pyplot dataset 運行 算法 但是 一 感知器 感知器學習筆記:https://blog.csdn.net/liyuanbhu/article/details/51622695 感知器(Percep

第三節TensorFlow 使用CNN實現數字識別

啟用 out min 灰度 HA 打破 gre 大量 gray 上一節,我們已經講解了使用全連接網絡實現手寫數字識別,其正確率大概能達到98%,著一節我們使用卷積神經網絡來實現手寫數字識別, 其準確率可以超過99%,程序主要包括以下幾塊內容 [1]: 導入數據,即測試集和

10 行程式碼實現數字識別

識別手寫的阿拉伯數字,對於人類來說十分簡單,但是對於程式來說還是有些複雜的。   不過隨著機器學習技術的普及,使用10幾行程式碼,實現一個能夠識別手寫數字的程式,並不是一件難事。這是因為有太多的機器學習模型可以拿來直接用,比如tensorflow、caffe,在python下

lesson22-24 MNIST資料集模組化搭建神經網路八股數字識別準確率輸出

import tensorflow as tf #MNIST資料集輸出識別準確率 #MNIST資料集: #提供6w張28*28畫素點的0-9手寫數字圖片和標籤,用於訓練 #提供1w張28*28畫素點的0-9手寫數字圖片和標籤,用於測試 #每張圖片的784個畫素點(

tensorflow實戰:MNIST數字識別的優化2-代價函式優化準確率98%

最簡單的tensorflow的手寫識別模型,這一節我們將會介紹其簡單的優化模型。我們會從代價函式,多層感知器,防止過擬合,以及優化器的等幾個方面來介紹優化過程。    1.代價函式的優化:             我們可以這樣將代價函式理解為真實值與預測值的差距,我們神經

不用框架Python實現數字識別

​ 有一句話說得好,要有造輪子的技術和用輪子的覺悟,今年來人工智慧火的不行,大家都爭相學習機器學習,作為學習大軍中的一員,我覺得最好的學習方法就是用python把機器學習演算法實現一遍,下面我介紹一下用邏輯迴歸實現手寫字型的識別。 邏輯迴歸知識點回顧

基於Tensorflow, OpenCV. 使用MNIST資料集訓練卷積神經網路模型用於數字識別

基於Tensorflow,OpenCV 使用MNIST資料集訓練卷積神經網路模型,用於手寫數字識別 一個單層的神經網路,使用MNIST訓練,識別準確率較低 兩層的卷積神經網路,使用MNIST訓練(模型使用MNIST測試集準確率高於99%

機器學習筆記 -吳恩達(第七章:邏輯迴歸-數字識別python實現 附原始碼)

(1)資料集描述 使用邏輯迴歸來識別手寫數字(0到9)。 將我們之前的邏輯迴歸的實現,擴充套件到多分類的實現。 資料集是MATLAB的本機格式,要載入它到Python,我們需要使用一個SciPy工具。影象在martix X中表示為400維向量(其中有5,000個), 400

一看就懂的K近鄰演算法(KNN)K-D樹並實現數字識別

1. 什麼是KNN 1.1 KNN的通俗解釋 何謂K近鄰演算法,即K-Nearest Neighbor algorithm,簡稱KNN演算法,單從名字來猜想,可以簡單粗暴的認為是:K個最近的鄰居,當K=1時,演算法便成了最近鄰演算法,即尋找最近的那個鄰居。 用官方的話來說,所謂K近鄰演算法,即是給定一個訓練資

BP神經網絡(數字識別

根據 公式 輸入 廣泛 不可變 理想 變化 n) 放大 1實驗環境 實驗環境:CPU [email protected]/* */,內存8G,windows10 64位操作系統 實現語言:python 實驗數據:Mnist數據集 程序使用的數據庫是mni

keras入門實戰:數字識別

如果 turn wid 寬度 initial 作用 err examples 預測 近些年由於理論知識的硬件的快速發展,使得深度學習達到了空前的火熱。深度學習已經在很多方面都成功得到了應用,尤其是在圖像識別和分類領域,機器識別圖像的能力甚至超過了人類。 本文用深度學習Pyt

MFC基於對話框 數字識別 SVM+MNIST數據集

識別數字 做了 XML svm 簡單實用 清空 朋友 detail data 完整項目下載地址: http://download.csdn.net/detail/hi_dahaihai/9892004 本項目即拿MFC做了一個畫板,畫一個數字後可自行識別數字。此外還 有保存

【機器學習】數字識別算法

alt gdi 數字識別 -1 轉換 error: erro files turn 1.數據準備 樣本數據獲取忽略,實際上就是將32*32的圖片上數字格式化成一個向量,如下: 本demo所有樣本數據都是基於這種格式的 訓練數據:將圖片數據轉成1*1024的數組,作為一

Tensorflow - Tutorial (7) : 利用 RNN/LSTM 進行數字識別

ddc htm net sets 手寫 n-2 align csdn global 1. 經常使用類 class tf.contrib.rnn.BasicLSTMCell BasicLSTMCell 是最簡單的一個LSTM類。沒有實現clippi

Tensorflow實踐 mnist數字識別

model 損失函數 兩層 最簡 sin test http gif bat minst數據集      tensorflow的文檔中就自帶了mnist手寫數字識別的例子,是一個很經典也比較簡單

tensorflow 基礎學習五:MNIST數字識別

truncate averages val flow one die correct 表示 data MNIST數據集介紹: from tensorflow.examples.tutorials.mnist import input_data # 載入MNIST數據集,

Caffe的運行mnist數字識別

而不是 所在 結果 ack cif sting one efi 打開 老規矩,首先附上官方教程:http://caffe.berkeleyvision.org/gathered/examples/mnist.html 1、必要軟件   因為Caffe中使用的是Linux才能

caffe的python接口學習(4)mnist實例數字識別

數字 interval with lac EDA 變化 mode 指數 lB 以下主要是摘抄denny博文的內容,更多內容大家去看原作者吧   一 數據準備   準備訓練集和測試集圖片的列表清單;   二 導入caffe庫,設定文件路徑    # -*- coding: u