自分でNNを作ろうの記事のコードに関する疑問

Question

https://qiita.com/takahiro_itazuri/items/d2bea1c643d7cca11352#comment-a59cd26161ee56ea1220
ここの記事のコードなんですが例えば、
mnist_test.csv
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0・・・0,0,0,0,0,0,0
1,0,0,・・・0,0,0,0
2,0,0,0,0,0・・・,0,0,0,0
mnist_train.csv
0,0,0,0,・・・0,0,0,0,0
1,0,0・・・0,0,0,0,0
2,0,0,0・・・,0,0,0,0

という風にどちらも「0,1,2」までの0～2のデータしか用意していないのに、

Colabで、

from google.colab import drive
中略

で、各tstデータの判定結果を出しているわけですが、3とか7とか、存在しない番号が出ているのは、
これは自然なんでしょうか？またなぜでしょう？

Answer 1

前にも指摘しましたが、 onodes が 10 だからです。

Comments

[退会済みユーザー]

やはりそこですよね。

[TakaiY]

しかも、教師データ3つで まともに学習させられるとも思えませんし。

[退会済みユーザー]

他の質問にも書いたのですが、

training_data_list [[0, 10, 4, 2, 4, 4, 4, 4, 4, 4, 8, 10, 4, 2, 2, 6, 6, 2, 2, 4, 10]
は、１つの画像のデータですね。
これは１つの画像のデータであるため、inodesは10でも問題なく動いていると思っているのですが・・・。
いずれにせよ、画像の種類数は少ない事は間違いないですね。

255.0 * 0.99) + 0.01
この式ですが、全体を1/10したりしたのですが、あまり変化がなく・・・
256で割ると小さくなりすぎますかね。

csv作成バージョンと非作成バージョンを作ったのですが、
どっちも同程度の精度なので、後者を改造しています。

データ数は少ないですが「完全に一致しているデータ」があるのだから、
それを正答に出すようにしたいのですが、そう上手くはいかないんですかね？
完全に一致するデータは最有力候補にあげるような仕組みにしたいのですが・・・。

たぶん「誤差」が小さいほど、その（誤差の小さい）番号の値が大きくなるような計算が、
何等かの方法でなされている（一度追ってみて何となくで済ませていてよく分かっていない）と思うのですが、その「誤差が小さい程番号の値が大きくなる」という部分を更に強調すれば良いのではと思うのですが。。

[TakaiY]

NNは画像と画像を比較してどれに近いか判定するというような仕組みではありません。
誤差というのも、画像と画像の距離を表わしていません。

ちゃんと理解してから進まないと正しい方向には行かないでしょう。