Python 将活动节点转换为图像

我在一张图像上测试NN，得到的标签是

'2'

，而不是

'1'

。如何将NN所看到的内容可视化为图像？我想将下面的测试图像与NN看到的进行视觉比较

测试图像：

网络

class网络（）：
定义初始（自我、客栈、藏身地、户外、lr）：
self.InNodes=酒店
self.hiddenodes=hidd
self.OutNodes=outt
自学习率=lr
self.wih=numpy.random.normal（0.0，pow（self.InNodes，-0.5），（self.hiddenodes，self.InNodes））
self.woh=numpy.random.normal（0.0，pow（self.OutNodes，-0.5），（self.OutNodes，self.hiddenodes））
通过
def序列（自身、输入列表、目标列表）：
inputs=numpy.array（inputs\u list，ndmin=2）.T
targets=numpy.array（targets\u list，ndmin=2）.T
隐藏的输入=numpy.dot（self.wih，输入）
隐藏的\u输出=sigmoid（隐藏的\u输入）
self.final_输入=numpy.dot（self.woh，隐藏_输出）
self.final\u输出=sigmoid（self.final\u输入）
输出错误=目标-self.final输出
隐藏的错误=numpy.dot（self.woh.T，输出错误）
self.woh=self.woh+self.LearningRate*numpy.dot（（输出错误*self.final\u输出*（1-self.final\u输出）），numpy.transpose（隐藏输出））
self.wih=self.wih+self.LearningRate*numpy.dot（（隐藏错误*隐藏输出*（1-隐藏输出）），numpy.transpose（输入））
def查询（自我，输入列表）：
inputs=numpy.array（inputs\u list，ndmin=2）.T
隐藏的输入=numpy.dot（self.wih，输入）
打印（'wih shape='，隐藏的_inputs.shape，self.wih.shape）
隐藏的\u输出=sigmoid（隐藏的\u输入）
self.final_输入=numpy.dot（self.woh，隐藏_输出）
打印（'woh shape='，self.final\u inputs.shape，self.woh.shape）
self.final\u输出=sigmoid（self.final\u输入）
返回self.final_输出
def乙状结肠（z）：
“”“S形函数。”“”
返回值1.0/（1.0+numpy.exp（-z））

训练

导入mnist\u加载器
培训数据、验证数据、测试数据=mnist\u loader.load\u data\u wrapper（）
输入节点=784
隐藏节点=10
输出节点=10
学习=0.1
网络=网络（输入节点、隐藏节点、输出节点、学习）
img_array=imageio.imread（r“\img\output onlinepngtools.png”，as_gray=True）