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!)
