keras实现手写字体识别

1 本次使用的keras基础模块

1. losses损失函数
2. optimizers优化目标函数，比如SGD
3. datasets常用数据集，比如mnist
4. models序贯模型，比如Sequential
5. layers神经网络中的层，比如全连接层Dense
6. activations激活函数

2 手写体识别

import keras # 导入Keras
from keras.datasets import mnist # 从keras中导入mnist数据集
from keras.models import Sequential # 导入序贯模型
from keras.layers import Dense # 导入全连接层
from keras.optimizers import SGD # 导入优化函数
(x_train, y_train), (x_test, y_test) = mnist.load_data() # 下载mnist数据集
print(x_train.shape,y_train.shape)
print(x_test.shape,y_test.shape)
import matplotlib.pyplot as plt # 导入可视化的包
im = plt.imshow(x_train[0],cmap='gray')

输出结果： 60000张28*28的单通道灰度图

plt.show()
print (y_train[0])

输出结果：第一个训练集的样子，一个手写的数字5