پیاده سازی پروژه محور شبکه عصبی مصنوعی با پایتون

موسسه پایا پروژه به عنوان متصدی انجام پروژه های برنامه نویسی شبکه عصبی پایتون وظیفه ی خود می داند که در راستای آموزش  شبکه عصبی گام های موثری را بردارد. با توجه به اینکه یک دوره آموزشی شبکه عصبی با پایتون مستلزم تمرین و تلاش بسیار است. اما این موسسه تلاش می کند سهم کوچکی در جهت یادگیری شما داشته باشد.

 بعد از آموزش شبکه، خطایابی و بروز رسانی وزن‌ها در هر تکرار حلقه انجام شد. در این بخش مقدار دقت شبکه و MSE (میانگین مربع خطا) را برای داده‌های آموزش و اعتبارسنجی محاسبه می‌کنیم.

7- محاسبه دقت ومیانگین مربع خطا برای داده‌های آموزش

ابتدا به کمک تابه پیشرو پیش بینی شبکه عصبی  یا خروجی شبکه عصبی را برای تمام داده‌های آموزشی بدست می آوریم و خروجی های شبکه یا y3 را با عنوان Z  در لیست جدید قرار می دهیم. خروجی های شبکه معمولا اعداد اعشاری هستند و برای دسته‌بندی باید روند شوند. برای بدست آوردن دقت و میانگین مربع خطا   از توابع آماده کتابخانه scikit- learn یا  sklearn  استفاده می‌کنیم که باید در ابتدای کد import شود. تابع mse با  دو ورودی خروجی مورد انتظار و خروجی شبکه میانگین مربع خطا را بدست می‌آورد. و در ادامه همین روال را برای داده های اعتبار سنجی نیز بکار می‌بریم. برای بدست آوردن دقت  دسته بندی هم از تابع acc استفاده می شود.

برای رسم نمودار از کتابخانه  matplotlib  استفاده می شود که ابتدا آن را نصب و سپس در ابتدای کد برنامه ان را import می کنیم.  برای نمایش نمودار ها در یک شکل از  subplot استفاده می‌شود.