今回はデータを準備する回となります。
ニューラルネットワークに識別させるための数字のデータを用意します。「1」「2」「3」の3種類の数字を用意します。
5×5のピクセルで，次のものを「1」「2」「3」の基本的な形とします。

それぞれの画像について，下の図のように黒いピクセルを1で，白いピクセルを0で置き換えます。

これを，txtファイルで準備します（1-1.txt〜1-4.txt，2-1.txt〜2-3.txt，3-1.txt〜3-3.txt）。

3-1.txt

この，「 （数字の種類）-（ID）.txt 」を読み込んでデータセットを作成していきます（make_dataset.c）。
今準備したデータをもとに，次の図のような濃淡のあるデータを作成していきます。

train_data.txt

1000 // データの個数
1 // 1個目のデータの数字の種類（正解のラベル）
0.0 // この行からピクセルの値
0.0
0.0
0.2
0.2
0.0
0.0
0.0
0.0
0.5
0.0
0.0
0.0
0.0
0.5
0.0
0.0
0.0
0.0
0.5
0.0
0.0
0.0
0.0
0.9 // 1文字目終了
3 // 2個目のデータの数字の種類（正解のラベル）
...

ニューラルネットワークに上のtrain_data.txtの1個目のデータが入力される場合， $\boldsymbol{x} = (0.0, 0.0, 0.0, 0.2, 0.2, 0.0, \cdots, 0.0, 0.9)^{\top}$ となります。

1-1.txt〜3-3.txtまでを読み込んで，訓練用データ（train_data.txt），検証用データ（validation_data.txt），テスト用データ（test_data.txt）を作成するようなシェルスクリプト（make_dataset.sh）を書いたので，深く考えずともこれを実行するだけでデータが準備されます。

準備するデータの個数を変更したい場合は，make_dataset.c中の N_train ， N_validation ， N_test の値を変更してください。
また，文字の濃淡は，正規分布に従う乱数をもとに決めています。平均や分散を変えることで，識別問題の難易度を変えることができます。ただし，値が0を下回ったり1を超えたりする場合は，範囲内に収める必要があります。

続き