Keras实例教程(2)

最新推荐文章于 2024-06-19 00:04:32 发布

白马负金羁

最新推荐文章于 2024-06-19 00:04:32 发布

阅读量1w

点赞数 8

分类专栏：机器学习之术文章标签： Keras 神经网络深度学习手写数字识别

本文链接：https://blog.csdn.net/baimafujinji/article/details/78385745

版权

机器学习之术专栏收录该内容

51 篇文章 1500 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文是Keras实例教程的第二部分，主要介绍如何使用Keras对MNIST数据集的手写数字进行识别。首先，导入必要的库和数据集，然后将二维图像转换为一维向量并进行像素值归一化。接着，对标签进行one-hot编码。通过模型训练后，评估模型性能，并展示模型对测试图像的预测结果。

摘要由CSDN通过智能技术生成

这次我们要执行的任务和《基于Softmax实现手写数字识别》中所描述的基本一致，也就是设法对MINST数据集中的手写数字图片进行识别。如果你通过阅读之前的文章已经对当前问题有所了解，那么也应该知道这其实是一个分类任务，也就是将每张图片分入0~9这个十个类别中。当然首先还是导入各种所需的package以及数据集：

import numpy as np
import random
import keras
import matplotlib.pyplot as plt
%matplotlib inline

from keras.datasets import mnist
from keras.models import Sequential, Model
from keras.layers.core import Dense, Dropout, Activation
from keras.optimizers import RMSprop
from keras.utils import np_utils

(X_train, y_train), (X_test, y_test) = mnist.load_data()

print(X_