mysp=sp() nn = NeuralNetwork([2,2,4,2,1]) # Erstelle neues Neurales Netzwerk mit 2 Eingangsneuronen, 6 Hidden-Neuronen und 1 Ausgangsneuronen. # Möglich wäre auch: NeuralNetwork([2,6,7,3,1]) also mit mehren Hidden Layern! s_in = n.array([[0, 0], [0, 1], [1, 0], [1, 1]]) #Trainingsdaten Input s_teach = n.array([[0], [1], [1], [0]]) #Trainingsdaten Output #s_teach = n.array([[0,0], [1,1], [1,1], [0,0]]) #Trainingsdaten Output mysp.record('start') nn.teach(s_in, s_teach ,0.2,50000) # Trainiren: mysp.record('ende') mysp.printRecords() #s_in: Input Daten als numpy-Array #s_teach: Output Daten als numpy-Array # optional: epsilon=0.2: Lernfaktor # optional: repeats=10000: Wiederholungen for i in [[0, 0], [0, 1], [1, 0], [1,1]]: print(i,nn.guess(i)) # whoaaaa: sichern von Daten zum laden fürs nächste Mal ;) #nn.save('savetest') # erzeugt eine 'savetest.npz' Datei! (alles unchecked!, überschreiben ohne Warnung!)
f = open('bla.txt','w') #f.write(str(s_in)) for i in s_in: f.write(str(i) + "nnn") f.write(str(i.shape)) f.close() from NeuralNetwork import NeuralNetwork nn = NeuralNetwork([64,40,6]) nn.teach(n.array(s_in), n.array(s_teach) ,0.03,25000) # Trainiren: #nn.teach(s_in, s_teach ,0.3,25000) # Trainiren: print('char / char (bin) / NN output (bin) / NN output (raw)') for i in [3, 7, 9, 14, 25]: dataout = nn.guess(s_in[i]) print(data[1][i], s_teach[i] , n.around(dataout) , dataout) # whoaaaa: sichern von Daten zum laden fürs nächste Mal ;) #nn.save('savetest') # erzeugt eine 'savetest.npz' Datei! (alles unchecked!, überschreiben ohne Warnung!) #nn.load('savetest') # läd eine 'savetest.npz' Datei! (alles unchecked!)