用Kersa搭建神經網路 MNIST手寫資料集

2022-06-25 22:18:15 字數 1856 閱讀 4879

ｍnist手寫資料集的識別算得上是深度學習的」hello world「了，所以想要入門必須得掌握。新手入門可以考慮使用keras框架達到快速實現的目的。

完整**如下：

#


1. 導入庫和模組


from keras.models import


sequential


from keras.layers import


conv2d, maxpool2d


from keras.layers import


dense, flatten


from keras.utils import


to_categorical


#2. 載入資料


from keras.datasets import


mnist


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


#3. 資料預處理


img_x, img_y = 28, 28x_train = x_train.reshape(x_train.shape[0], img_x, img_y, 1)


x_test = x_test.reshape(x_test.shape[0], img_x, img_y, 1)


#資料標準化


x_train = x_train.astype('


float32')


x_test = x_test.astype('


float32')


x_train /= 255x_test /= 255


#一位有效編碼


y_train = to_categorical(y_train, 10)


y_test = to_categorical(y_test, 10)


#4. 定義模型結構


model =sequential()


model.add(conv2d(32, kernel_size=(5,5), activation='


relu


', input_shape=(img_x, img_y, 1)))


model.add(maxpool2d(pool_size=(2,2), strides=(2,2)))


model.add(conv2d(64, kernel_size=(5,5), activation='


relu'))


model.add(maxpool2d(pool_size=(2,2), strides=(2,2)))


model.add(flatten())


model.add(dense(1000, activation='


relu'))


model.add(dense(10, activation='


softmax'))


#5. 編譯，宣告損失函式和優化器


model.compile(optimizer='


adam


',loss='


categorical_crossentropy


',metrics=['


accuracy'])


#6. 訓練


model.fit(x_train, y_train, batch_size=128, epochs=10)


#7. 評估模型


score =model.evaluate(x_test, y_test)


print('


acc', score[1])
執行結果如下：

可以看出準確率達到了99%，說明神經網路在影象識別上具有巨大的優勢。

Python keras神經網路識別mnist

上次用matlab寫過乙個識別mnist的神經網路，位址在 這次又用keras做了乙個差不多的，畢竟，現在最流行的專案都是python做的，我也跟一下潮流 資料是從本地解析好的影象和標籤載入的。神經網路有兩個隱含層，都有512個節點。import numpy as np from keras.pre...

Python keras神經網路識別mnist

上次用matlab寫過乙個識別mnist的神經網路，位址在 這次又用keras做了乙個差不多的，畢竟，現在最流行的專案都是python做的，我也跟一下潮流 資料是從本地解析好的影象和標籤載入的。神經網路有兩個隱含層，都有512個節點。import numpy as np from keras.pre...

Python keras神經網路識別mnist

上次用matlab寫過乙個識別mnist的神經網路，位址在 這次又用keras做了乙個差不多的，畢竟，現在最流行的專案都是python做的，我也跟一下潮流 資料是從本地解析好的影象和標籤載入的。神經網路有兩個隱含層，都有512個節點。import numpy as np from keras.pre...