今天打开了手机，看到了许许多多的排行榜，其中看到我的步数竟然又少于隔壁老王，我一想这不行，我得弄个刷排行榜的程序来超过他，经过一段时间的构思，我决定做个更全面的，直接做个能刷全部排行榜的神器，以后就在也不怕跟别人比排名了，嘿嘿嘿！
大家想不想刷排行榜？
如果答案是肯定的，就别再犹豫了，快来动手吧！
背景
theano 是一个python语言的库，实现了一些机器学习的方法，最大的特点是可以就像普通的python程序一样透明的使用GPU
输入数据修改
原来是从cPickle导入：
valid_set是用来在SGD迭代过程中，用来验证效果但不参与训练的数据集。每次只有确定在valid_set上更有效，才继续进行目标函数的优化，这样可以防止过拟合。参见early-stopping [2] 。
设定数据集的大小，如果是调试模式则减小数据集。
MNIST共有7w条记录，其中6w是训练集，1w是测试集。theano的样例程序就是这么做的，但kaggle把7w的数据分成了两部分，train.csv一共42000行，test.csv一共28000行。实际可用来训练的数据只有42000行（由此估计最后的效果也会有相应的折扣）。theano把6w的训练集分为了5w的test_set和1w的valid_set，我在这里把42000行数据分为36000的train_set、5000行的valid_set和1000行的test_set（训练时用不到）。
我们需要的是最后一层的输出，theano的样例程序在最后一层lr给了我们一个符号变量y_pred，定义如下：
我对技术不敬畏，对不起各位了。
这样我们就得到可以操作的数组，写入输出文件：
平移数据
以上可以差不多达到1.0%的误差，和理论值0.5%还有差距，我觉得可能是因为数据不够多，所以我对输入输出数据进行了平移预处理。 输入数据平移：
ok，万事俱备，刷榜吧！
运行结果
kaggle传送门
valid_set_error=0.90 test_set_error=0.68
刷到前10，我感觉可以了，再往上刷10名就要被怀疑作弊了。
不明觉厉
simple cell到complex cell是怎么实现的？
拿着某一斜率的filter去扫一遍全局的图像
把图像分割成nxn份,做pooling（可以是max pooling）
以上就是本文的全部内容，希望对各位小伙伴们有所帮助！
写在最后：
有想学Python或者对Python感兴趣的老铁，可以加群571799375，群里有适合Python初学者学习的资料（2018最新版Python资料），免费送给大家！
本文来自网络，如有侵权，请联系小编删除！
