資料集還是使用的mnist 資料集
首先說一下資料的格式：
資料有四個引數 shape height width channels
彩色影象: rgb（h,w,3） 灰白（h,w,1） or(h,w,4) e,g png圖
conv2d:輸入的形狀：batch,height,width,channels
mnist 的影象資料格式是（60000 * 28 * 28） 因此需要對其進行擴充套件
train_image = np.expand_dims(train_image, axis=-1
)
model = keras.sequential(
)model.add(layers.conv2d(64,
(3*3
),activation=
'relu'
,input_shape=(28
,28,1
)))model.add(layers.conv2d(64,
(3*3
),activation=
'relu'))
model.add(layers.maxpooling2d())
model.add(layers.flatten())
model.add(layers.dense(
256,activation=
'relu'))
model.add(layers.dropout(
0.5)
)model.add(layers.dense(
10, activation=
'softmax'))
model.
compile
(optimizer=
'adam'
, loss=
'sparse_categorical_crossentropy'
, metrics=
['acc'
])
model.fit(train_image,train_label,epochs=
10,batch_size=
512)
《1。卷積神經網路》
1.簡述卷積的基本操作，並分析其與全連線層的區別 答 具有區域性連線和權值共享的特點。卷積操作能夠在輸出資料中大致保持輸入資料的結構資訊 2.在卷積神經網路中，如何計算各層的感受野大小？答 3.卷積層的輸出尺寸 參數量和計算量 答 輸出尺寸 1.簡述分組卷積及其應用場景 答 分組卷積就是將輸入通道和...
Keras深度學習 卷積神經網路 手寫數字識別
引言 最近在閉關學習中，由於多久沒有寫部落格了，今天給大家帶來學習的一些內容，還在學習神經網路的同學，跑一跑下面的 給你一些自信吧！nice 奧里給！正文 首先該impor的庫就不多說了，不會的就pip install something that you got it 備註 mnist.npz資源...
卷積神經網路 1 1 卷積核
卷積神經網路中卷積核的作用是提取影象更高維的特徵，乙個卷積核代表一種特徵提取方式，對應產生乙個特徵圖，卷積核的尺寸對應感受野的大小。經典的卷積示意圖如下 5 5的影象使用3 3的卷積核進行卷積，結果產生3 3 5 3 1 的特徵影象。卷積核的大小一般是 2n 1 2n 1 的奇數乘奇數大小 n 1 ...