驗證深度學習開發環境是否成功搭建

dk是我建立的乙個資料夾，用來存放資料

# 去除警告資訊

import os

os.environ['tf_cpp_min_log_level']='2'

import keras

from keras.datasets import mnist

from keras.models import sequential

from keras.layers import dense, dropout

from keras.optimizers import rmsprop, sgd

# the data, split between train and test sets

(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 由於mnist的輸入資料維度是(num, 28, 28)，這裡需要把後面的維度直接拼起來變成784維

x_train = x_train.reshape(60000, 784)

x_test = x_test.reshape(10000, 784)

x_train = x_train.astype('float32')

x_test = x_test.astype('float32')

x_train /= 255 # 歸一化，所有數值在 0 - 1 之間

x_test /= 255

print(x_train.shape[0], 'train samples') # 60000

print(x_test.shape[0], 'test samples') # 10000

# convert class vectors to binary class matrices

print(y_train[0]) # 5

num_classes = 10

y_train = keras.utils.to_categorical(y_train, num_classes) # 把 y 變成了 one-hot 的形式

print(y_train[0]) # [ 0. 0. 0. 0. 0. 1. 0. 0. 0. 0.]

y_test = keras.utils.to_categorical(y_test, num_classes)

batch_size = 128

num_classes = 10

epochs = 20

model = sequential()

model.add(dense(512, activation='relu', input_shape=(784,)))

model.add(dropout(0.2))

model.add(dense(512, activation='relu'))

model.add(dropout(0.2))

model.add(dense(num_classes, activation='softmax'))

#model.summary() # 列印出模型概況

model.compile(loss='categorical_crossentropy',

optimizer=rmsprop(),

metrics=['accuracy'])

history = model.fit(x_train, y_train,

batch_size=batch_size,

epochs=epochs,

verbose=1, # verbose是屏顯模式, 0是不屏顯，1是顯示乙個進度條，2是每個epoch都顯示一行資料

validation_data=(x_test, y_test))

score = model.evaluate(x_test, y_test, verbose=0)

print('test loss:', score[0])

print('test accuracy:', score[1])

tensorflow深度學習伺服器環境搭建

實驗室新進了一台伺服器，配置了nvida 1080ti顯示卡做深度學習使用，裝好機器後第一件事就是如何配置好tensorflow的深度學習環境，這裡把我在搭建環境的過程以及遇到的坑一一寫下來，給有同樣需求的筒子提供一些幫助。作業系統是師兄刻好的ubuntu最新版本ubuntu 18.04.1 lts...

ubuntu16 04安裝及深度學習環境搭建

0.ubuntu下的深度學習環境配置 1.ubuntu16.04安裝及深度學習環境搭建 推薦 2.ubuntu16.04系統gpu深度學習環境搭建 3.ubuntu16.04下安裝配置深度學習環境 ubuntu 16.04 16.10 cuda7.5 8 cudnn4 5 caffe 4.linux...

ubuntu深度學習軟硬體開發環境搭建

硬體 先從硬體自已配機器開始 目前對於個人來說，價效比比較高的深度學習顯示卡是那個11g視訊記憶體的gtx 1080ti.這裡顯示卡定了，接下來就是主機板記憶體硬碟，顯示器。先報一下我配的機器配置 cpu 英特爾 intel i5 7500 酷睿四核 盒裝cpu處理器 1379元 主機板微星 msi...