Tensorflow学习笔记：传统NN和CNN来分类MNIST手写数字数据集

传统NN和CNN来分类MNIST手写数字

在本文中，我将传统神经网络定义为非 CNN 神经网络。 在这里，我们将使用图像的 MNIST 手写数字数据集，并根据图像中的数字对这些图像进行分类。 这个数据集可以被认为是计算机视觉的“Hello World”。

传统神经网络

首先，我们倒入有关的模块

# mnist https://www.tensorflow.org/datasets/catalog/mnist
# imports 
from tensorflow.keras.datasets import mnist 
from tensorflow import keras 

import matplotlib.pyplot as plt
import visualkeras # help visualize our neural network

加载数据

然后我们加载数据集。MNIST 手写数字数据库有一个包含 60,000 个示例的训练集和一个包含 10,000 个示例的测试集。然后预处理一下，把0-255用0-1表示。

# load and preprocess data
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
train_images, test_images = train_images / 255.0, test_images/255.0 # preprocess

我们可以看看数据

# show some information about dataset
for i in range(5):
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    plt.xlabel(train_labels[i])
    plt.show()

5	0	5	1	9

传统前馈神经网络结构

我们来设计一个非常简单的三层神经网络

# feed foward architecture
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),  # input layer (1)
    keras.layers.Dense(128, activation='relu'),  # hidden layer (2)
    keras.layers.Dense(10, activation='softmax'