[ Foro de Python ]

URL de un archivo

He descargado un programa en python y el autor aclara que se deben cambiar unas url de los archivos descargados y guardados en la pc. El error que obtengo es evidentemente  de principiante. Es con respecto al cambio de las url o direcciones en donde tengo guardado los archivos en mi pc. copio la dirección en donde guarde el programa directamente del navegador de Windows ("copiar ruta de acceso"), es esta:

"D:\Rest\Juan\Oráculo de Delfos\Redes Neurales\Perceptron\algoritmo backpropagation\Perceptron-master\perceptron.py"


Edito el programa en las líneas en donde dice que se debe cambiar las url:

self.saveurl = self.cwd + "D:\Rest\Juan\Oráculo de Delfos\Redes Neurales\Perceptron\algoritmo backpropagation\Perceptron-master\perceptron.txt" #url donde guardaremos la red neuronal una vez entrenada

self.trainingdata = self.cwd + "D:\Rest\Juan\Oráculo de Delfos\Redes Neurales\Perceptron\algoritmo backpropagation\Perceptron-master\entrenamientoperc.txt" #url donde tenemos la training data

Y me sale en siguiente erros:

Traceback (most recent call last):
 File "D:\Rest\Juan\Oráculo de Delfos\Redes Neurales\Perceptron\algoritmo backpropagation\Perceptron-master\perceptron.py", line 143, in <module>
   Perceptron()
 File "D:\Rest\Juan\Oráculo de Delfos\Redes Neurales\Perceptron\algoritmo backpropagation\Perceptron-master\perceptron.py", line 21, in __init__
   self.build() #construimos la red neuronal
 File "D:\Rest\Juan\Oráculo de Delfos\Redes Neurales\Perceptron\algoritmo backpropagation\Perceptron-master\perceptron.py", line 30, in build
   for i in range(input('numero de capas: ')):
TypeError: 'str' object cannot be interpreted as an integer

Adjunto todo el código:

import math,random,os

class Perceptron():

def __init__(self):
self.alpha = 0.6 #factor de aprendizaje. Cuanto mayor es antes aprende pero tiene menor precision
self.perceptron = [] # array que nos define el perceptron y por cada capa contiene un subarray de la siguiente forma: [numero neurons de la capa,[umbrales de actuacion(u)],[pesos(w)],[salidas de las neuronas(a)]]
self.ntrain = 0 #numero de entrenamientos ejecutados
os.chdir(os.getcwd()) #cambiamos el directorio de trabajo(debereis cambiarlo por la direccion donde guardeis el programa)
self.cwd = os.getcwd()
self.saveurl = self.cwd + '/perceptron.txt' #url donde guardaremos la red neuronal una vez entrenada
self.trainingdata = self.cwd + '/entrenamientoperc.txt' #url donde tenemos la training data
self.build() #construimos la red neuronal
self.train() #entrenamos la red neuronal
while True: #utilizamos la red neuronal
for i in range(self.perceptron[0][0]):
self.perceptron[0][3][i] = input('entrada ' + str(i) + ' : ')
self.percep()

def build(self): #funcion que construye la red neuronal
print('***PERCEPTRON***')
for i in range(input('numero de capas: ')):
capa = []
u = []
w = []
a = []
capa.append(input('numero de neuronas en la capa ' + str(i) + ' : '))#anadimos el numero de neuronas de la capa
for j in range(capa[0]):
u.append(random.random()) #creamos umbrales de actuacion aleatorios
a.append(random.random()) #creamos salidas aleatorias
wc = []
if i != 0:
for k in range(self.perceptron[i-1][0]):
wc.append(random.random()) #creamos pesos aleatorios
w.append(wc)
capa.append(u)
capa.append(w)
capa.append(a)
self.perceptron.append(capa) #anadimos la capa a la red neuronal

def percep(self):#funcion que calcula la salida de la red neuronal ante una serie de entradas
print('salida de las neuronas capa 0:')
print(self.perceptron[0][3])
for k in range(len(self.perceptron)-1):
for i in range(self.perceptron[k+1][0]):
suma = 0
for j in range(self.perceptron[k][0]):
suma = suma + (self.perceptron[k][3][j] * self.perceptron[k+1][2][i][j])
suma = suma + self.perceptron[k+1][1][i]
suma = (1/( 1 + math.exp(-suma)))
self.perceptron[k+1][3][i] = suma
print('salida de las neuronas capa ' + str(k+1) + ' : ')
print(self.perceptron[k+1][3])

def train(self): #funcion que inicia el entrenamiento
print('-+-Comienza el entrenamiento del perceptron-+-')
for r in range(input('numero de veces que quiere repetir el entrenamiento: ')):
self.readlines()
self.save()

def readlines(self): #lee la training data y llama a las funciones percep y backpropagation
entrenamiento = open(self.trainingdata,'r') #abrimos el archivo
lineas = entrenamiento.readlines()
entrenamiento.close()
for i in range(len(lineas)):#leemos linea a linea
self.ntrain += 1
print('***entrenamiento numero ' + str(self.ntrain) + ' ***')
linea = lineas[i]
boolean = False
numero = ''
k = 0
se = []
for x in range(self.perceptron[len(self.perceptron)-1][0]):
se.append(0)
for j in range(len(linea)):
if linea[j]==']' and boolean:
se[k] = numero
numero = ''
k = 0
if linea[j]==']' and boolean == False:
boolean = True
self.perceptron[0][3][k] = float(numero)
numero = ''
k = 0
if linea[j] != ',' and linea[j] != '[' and linea[j] != ']':
numero = numero + linea[j]
if linea[j] == ',' and boolean == False:
self.perceptron[0][3][k] = float(numero)
numero = ''
k += 1
if linea[j] == ',' and boolean:
se[k] = float(numero)
numero = ''
k += 1
se[self.perceptron[len(self.perceptron)-1][0]-1] = float(se[self.perceptron[len(self.perceptron)-1][0]-1])
print('entrada: ' + str(self.perceptron[0][3]) + ' salida esperada: ' + str(se))
self.percep() #calculamos las salidas que nos daria las entradas de la training data
self.backpropagation(se) #calculamos los errores entre la salida esperada y la obtenida y realizamos las correciones oportunas.

def backpropagation(self,se):
#calculamos los erroes y realizamos las correcciones oportunas
#empezamos por la ultima capa de neuronas
deltam = []
for k in range(self.perceptron[len(self.perceptron)-1][0]):

deltam.append(self.perceptron[len(self.perceptron)-1][3][k]*(1 - self.perceptron[len(self.perceptron)-1][3][k]) * (self.perceptron[len(self.perceptron)-1][3][k] - float(se[k])))


for n in range(self.perceptron[len(self.perceptron)-2][0]):
self.perceptron[len(self.perceptron)-1][2][k][n] = self.perceptron[len(self.perceptron)-1][2][k][n] - self.alpha * deltam[k] * self.perceptron[len(self.perceptron)-2][3][n]
self.perceptron[len(self.perceptron)-1][1][k] = self.perceptron[len(self.perceptron)-1][1][k] - self.alpha * deltam[k]
#seguimos con las capas ocultas de neuronas
for x in range(len(self.perceptron)-2):
deltal = []
sumatorio2 = 0
for k in range(self.perceptron[len(self.perceptron)-2-x][0]):
for c in range(self.perceptron[len(self.perceptron)-3-x][0]):
for s in range(self.perceptron[len(self.perceptron)-1-x][0]):
sumatorio2 = sumatorio2 + deltam[s] * self.perceptron[len(self.perceptron)-1-x][2][s][k]
deltal.append((self.perceptron[len(self.perceptron)-2-x][3][k] * (1 - self.perceptron[len(self.perceptron)-2-x][3][k])) * sumatorio2)
for n in range(self.perceptron[len(self.perceptron)-3-x][0]):
self.perceptron[len(self.perceptron)-2-x][2][k][n] = self.perceptron[len(self.perceptron)-2-x][2][k][n] - self.alpha * deltal[k] * self.perceptron[len(self.perceptron)-3-x][3][n]
self.perceptron[len(self.perceptron)-2-x][1][k] = self.perceptron[len(self.perceptron)-2-x][1][k] - self.alpha * deltal[k]
deltam = deltal
def save(self):
#ahora guardamos nuestro perceptron para que el entrenamiento quede guardado
print('entrenamiento finalizado...guardamos los resultados')
entrenamiento = open(self.saveurl,'w')
entrenamiento.write(str(self.perceptron))
entrenamiento.close



if __name__ == "__main__":
   Perceptron()


Como solucionarlo. Gracias por la ayuda.