实现一个小型Python程序来识别手写数字

我想我可以实现一个非常小的Python程序来识别手写数字

步骤： 1.我在一张纸上写字，拍照

2.使用Python阅读它

3.将其转换为灰度和20*20

4.然后将其转换为1*400，并在开头添加一行，使其成为1*401

img1=Image.open('one.jpg').convert('L')

img1 = img1.resize((20,20))

a=np.reshape(input1,(1,400))

b=np.c_[np.ones(1),a]

我得到的是：

作为安得烈NG课程的一部分，我得到了隐藏层的权重，所以通过使用只有一个隐含层的神经网络，我可以通过向前传播来预测数量。 参数包括： input_layer_size=20x20数字输入图像，即：；b 1*401

25个隐藏单位，θ1=25*401，θ2=10*26

10个标签，从1到10，“0”映射到标签10

Python代码： 现在l2最大值的（位置+1）将是输出编号

#Octave code:
a1=[ones(size(a,1),1),a];
z2=sigmoid(a1*Theta1');
a2=[ones(size(z2,1),1),z2];
a3=sigmoid(a2*Theta2');
[x,p ]= max(a3, [], 2);
p

//here p has the number 

如果一切顺利的话，我应该从这段小代码中获得一些魔力，但它在八度音阶中工作得很好，而不是在Python中。我将a保存在a.mat中，并将其加载到倍频程中，然后运行上面的代码，我得到了答案。l2和p应该是一样的，对吗

我检查了所有的东西，这个代码来自

---

我甚至在八度音阶中尝试了他的11行神经网络，然后我在Python和八度音阶中得到了相同的输出。这应该可以正常工作。

如何上传zip文件。。。。我可以编辑并重新提交吗

#Octave code:
a1=[ones(size(a,1),1),a];
z2=sigmoid(a1*Theta1');
a2=[ones(size(z2,1),1),z2];
a3=sigmoid(a2*Theta2');
[x,p ]= max(a3, [], 2);
p

//here p has the number