深度學習（機器學習）入門 手寫數字的識別

二. 安裝 keras

匯入 mnist 資料集

使用模型

也可以看一下這個

使用 anaconda 進行安裝

anaconda傻瓜安裝，一直下一步就行了

以管理員的身份開啟終端

按照以下步驟在 anaconda 環境中安裝 tensorflow：

通過呼叫以下命令建立名為 tensorflow 的 conda 環境：

conda create -n tensorflow pip python=

3.5

activate tensorflow

pip install -

-ignore-installed -
-upgrade tensorflow

如果您是通過 anaconda 進行安裝，請啟用您的 anaconda 環境。

然後再輸入python

在 python 互動式 shell 中輸入以下幾行簡短的程式**：

import tensorflow as tf

hello = tf.constant(
'hello, tensorflow!'
)sess = tf.session(
)print
(sess.run(hello)
)

hello, tensorflow!

1.anaconda prompt 中可以import tensorflow 但是 jupyter不行

原因是tensorflow加入在了虛擬核心中，而在 jupyter 中用的不是這個虛擬核心，所以：

在jupyter notebook 新增 python核心（windows）

啟用虛擬環境

activate tensorflow

安裝 ipykernel

pip install ipykernel

python -m ipykernel install --name tensorflow

jupyter kernelspec list

jupyter kernelspec remove name

conda update conda

conda update --all

activate tensorflow

pip install keras

d:\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\keras\datasets

origin_folder = ''

參考機器學習入坑指南

直接給出可以執行的**

import tensorflow as tf  # 深度學習庫，tensor 就是多維陣列

mnist = tf.keras.datasets.mnist  # mnist 是 28x28 的手寫數字和對應標籤的資料集
(x_train, y_train)
,(x_test, y_test)
= mnist.load_data(
)# 分割資料集
x_train = tf.keras.utils.normalize(x_train, axis=1)
# 把資料值縮放到 0 到 1
x_test = tf.keras.utils.normalize(x_test, axis=
1)  
model = tf.keras.models.sequential(
)# 基礎的前饋神經網路模型
model.add(tf.keras.layers.flatten())
# 把展平成 1x784
model.add(tf.keras.layers.dense(
128, activation=tf.nn.relu)
)# 簡單的全連線圖層,，128 個單元，啟用函式為 relu
model.add(tf.keras.layers.dense(
128, activation=tf.nn.relu)
) model.add(tf.keras.layers.dense(
10, activation=tf.nn.softmax)
)# 輸出層 ，10 個單元， 使用 softmax 獲得概率分布
model.
compile
(optimizer=
'adam'
,# 預設的較好的優化器
loss=
'sparse_categorical_crossentropy'
,# 評估「錯誤」的損失函式，模型應該盡量降低損失
metrics=
['accuracy'])
# 評價指標
model.fit(x_train, y_train, epochs=3)
# 訓練模型
val_loss, val_acc = model.evaluate(x_test, y_test)
# 評估模型對樣本資料的輸出結果
print
(val_loss)
# 模型的損失值
print
(val_acc)
# 模型的準確度

深度學習機器配置

英文部落格是15年的一篇 配置如下 cpu xeon e5 2680 v2 是洋垃圾。好處價效比高，10核20執行緒，4記憶體通道，40lane pcie，95w，socket intel2011 mother board 華南x79 至尊 烈焰 三代 據說是寨板。好處價效比。支援伺服器記憶體rec...

深度學習 機器學習 模式識別

摘要 本文我們來關注下三個非常相關的概念 深度學習 機器學習和模式識別 以及他們與2015年最熱門的科技主題 機械人和人工智慧 的聯絡，讓你更好的理解計算機視覺，同時直觀認識機器學習的緩慢發展過程。以下為正文 本文我們來關注下三個非常相關的概念 深度學習 機器學習和模式識別 以及他們與2015年最熱...

深度學習 機器學習與大資料

深度學習是機器學習中的一種技術，機器學習包含深度學習。機器學習還包含其他非深度學習的技術，比如支援向量機，決策樹，隨機森林，以及關於 學習 的一些基本理論，比如，同樣都能描述已知資料的兩個不同模型，引數更少的那個對未知資料的 能力更好 奧卡姆剃刀原理 深度學習是一類特定的機器學習技術，主要是深度神經...