下面展示一些內聯**片。
"""
1.卷積神經網路cnn
--手寫數字分類-
mnist資料集
"""# 1.網路架構 例項化乙個小型的卷積神經網路
from keras import models
from keras import layers
network = models.
sequential
() # 因為需要將同乙個模型多次例項化，所以用乙個函式sequential來構建模型，構造器
network.
add(layers.
conv2d(32
,(3,
3), activation=
'relu'
, input_shape=(28
,28,1
))) # 輸入3d
network.
add(layers.
maxpooling2d((
2,2)
))network.
add(layers.
conv2d(64
,(3,
3), activation=
'relu'
)) # 卷積核大小(3
,3)network.
add(layers.
maxpooling2d((
2,2)
)) # 池化視窗(2
,2)network.
add(layers.
conv2d(64
,(3,
3), activation=
'relu'))
network.
summary()
# 2.在卷積神經網路上新增分類器
network.
add(layers.
flatten()
) # 3d變成1d 展平輸出(3
,3,64
)network.
add(layers.
dense(64
, activation=
'relu'))
network.
add(layers.
dense(10
, activation=
'softmax'
)) # 10個輸出
network.
summary
() # 檢視網路結構
# 3.在mnist影象上訓練卷積神經網路
from keras.datasets import mnist # 載入keras中的mnist資料集
from keras.utils import to_categorical # 將data列表轉化成為整數張量
(train_images, train_labels)
,(test_images, test_labels)
= mnist.
load_data()
# 4.預處理準備影象資料
train_images = train_images.
reshape((
60000,28
,28,1
)) # 4d
train_images = train_images.
astype
('float32')/
255 # 預處理，取值範圍0～1
test_images = test_images.
reshape
(10000,28
,28,1
)test_images = test_images.
astype
('float32')/
255train_labels =
to_categorical
(train_labels) # 準備標籤：將資料列表轉換為整數張量
test_labels =
to_categorical
(test_labels)
network.
compile
(optimizer=
'rmsprop'
, # rmsprop優化器
loss=
'categorical_crossentropy'
, # 損失函式：categorical_crossentropy：分類交叉熵
metrics=
['accuracy'
]) # 指標：精度
network.
fit(train_images, train_labels, epochs=
5, batch_size=
64) # 用訓練集訓練模型
test_loss, test_acc = network.
evaluate
(test_images, test_labels) # 評估測試集
print
('test_loss:'
, test_loss)
print
('test_acc:'
, test_acc)
print
(train_images.shape) # train_images 4d(
60000,28
,28,1
)print
(len
(train_images)
) # 60000
print
(train_labels) # 稀疏矩陣
print
(train_images.ndim) # 軸的個數 4d
print
(train_images.dtype) # 資料型別 float32
深度學習用於計算機視覺
密集連線層 精度97.8 卷積神經網路 99.3 兩者的區別在於 dense層從特徵空間學到的是全域性模式，而卷積層學到時是區域性模式 1 卷積神經網路學到的模式具有平移不變性 視覺世界根本上來說就具有平移不變性 即在影象右下角學到某個模式後可以在任何地方識別這個模式。對於密集連線網路來說如果出現在...
計算機作業系統第五章
第五章虛擬儲存器 1.虛擬儲存器的基本概念 1 常規儲存器管理方式的特徵 一次性 作業在執行前一次性地全部裝入記憶體 駐留性 作業裝入記憶體後，便一直駐留在記憶體中，直至作業執行結束。2 區域性性原理 程式在執行時將呈現出區域性性規律 在一較短的時間內 程式的執行僅侷限於某個部分 相應地，所訪問的儲...
計算機組成原理第五章上
單選 1分 在程式查詢方式的輸入輸出系統中，假設不考慮處理時間，每一次查詢操作需要100個時鐘週期，cpu的時鐘頻率為50mhz。cpu必須每秒對滑鼠進行60次查詢，則cpu對滑鼠查詢所花時間占用cpu時間的比率為 得分 總分 正確答案 d你選對了 單選 1分 在統一編址方式下，區分cpu訪問的是記...