利用Python来刷排行榜！这不犯规吗？当然，但是Python就是牛逼！

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

mnist主页：http://yann./exdb/mnist/

其他大部分资源位于deeplearning向导的主页：

向导: http:///tutorial/

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？

1. 拿着某一斜率的filter去扫一遍全局的图像
2. 把图像分割成nxn份,做pooling（可以是max pooling）

私信小编007 即可获取数十套PDF哦！

---