tensorflow2.0的手写数字识别

最新推荐文章于 2022-11-26 17:57:23 发布

「已注销」

最新推荐文章于 2022-11-26 17:57:23 发布

阅读量542

点赞数

分类专栏： tensorflow

本文链接：https://blog.csdn.net/YJYS_ZHX/article/details/109227773

版权

该博客介绍了使用TensorFlow 2.0进行手写数字识别的步骤，包括数据导入、网络创建、训练参数设置及训练过程。在训练过程中，网络在验证集上的准确率逐渐提升至约94.57%，并提供了相关指标的数据用于后期的图表分析。

摘要由CSDN通过智能技术生成

import tensorflow as tf
import tensorflow.keras as keras
import tensorflow.keras.layers as layers
from tensorflow.keras import Sequential
import matplotlib.pyplot as plt
import pandas as pd
from tensorflow.keras.utils import normalize
from tensorflow.keras.utils import to_categorical
import tensorflow.keras.optimizers as optimizers
import tensorflow.keras.losses as losses
import tensorflow.keras.metrics as metrics

导入数据

(x_train, y_train),(x_test, y_test) = tf.keras.datasets.mnist.load_data()

x1_train = x_train.reshape(-1, 784) #改变形状，变一维
x1_test = x_test.reshape(

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

「已注销」

关注关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
2
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

UNet（TensorFlow2）图像语义分割实战：训练自己的数据集

07-22

注意：本课程已从Keras更新至TensorFlow2U-Net是一种基于深度学习的图像语义分割方法，尤其在医学图像分割中表现优异。本课程将手把手地教大家使用labelme图像标注工具制作自己的数据集，生成Mask图像，并使用U-Net训练自己的数据集，从而能开展自己的图像分割应用。本课程有三个项目实践：(1) Kaggle盐体识别比赛：利用U-Net进行Kaggle盐体识别(2) Pothole语义分割：对汽车行驶场景中的路坑进行标注和语义分割(3) Kaggle细胞核分割比赛：利用U-Net进行Kaggle细胞核分割本课程使用TensorFlow2版本的U-Net，在Ubuntu系统上用Jupyter Notebook做项目演示。包括：数据集标注、数据集格式转换和Mask图像生成、编写U-Net程序文件、训练自己的数据集、测试训练出的网络模型、性能评估。项目代码也可在Windows上运行，课程提供Windows环境搭建方法。本课程提供项目的数据集和Python程序代码。相关课程：UNet（PyTorch）图像语义分割实战：训练自己的数据集 https://edu.csdn.net/course/detail/36198

Tensorflow2项目实战课程

03-14

Tensorflow2.0介绍： tensorflow是GOOGLE在2015年底发布的一款深度学习框架，也是目前全世界用得最多，发展最好的深度学习框架。2019年3月8日，GOOGLE发布最新tensorflow2版本。新版本的tensorflow有很多新特征，更快更容易使用更人性化。但是老版的tensorflow程序在新版本中几乎都无法继续使用，所以我们有必要学习新版tensorflow2的新用法。课程介绍：我们的这门课程适合小白学习，也适合有基础的同学学习。课程会从0开始学习，从python环境安装，python入门，numpy，pandas，matplotlib使用，深度学习基础，一直讲到tensorflow基础，进阶，项目实战。不管你是0基础小白，想进入AI行业，还是有一定基础，想学习最新的tensorflow2的使用，都适合我们这门课程。讲师介绍：覃秉丰，物理系毕业转AI行业，想转行同学可以找我聊聊。机器学习、深度学习神经网络领域多年研究开发授课经验，精通算法原理与编程实践；曾完成过多项图像识别、目标识别、语音识别等企业项目，一线实战经验丰富；长期为多家包括世界五百强在内的大型企业总部做人工智能技术内训服务（中国移动、中国银行，华夏银行，中国太平洋，国家电网、中海油等）。上课特点：公式尽量一个一个符号推，代码尽量一行一行讲，希望所有人都能学有所得。

2 条评论您还未登录，请先登录后发表或查看评论

实战手写数字识别与人脸识别TensorFlow

05-22

TensorFlow实战教程，该课程主要分享两个TensorFlow卷积神经网络实战的案例，第一个是手写数字识别案例，第二个是人脸识别案例。

tensorflow2.0之手写数字识别

zztSky

07-18

625

不得不说，tensorflow2.0比1.x好用 import tensorflow as tf from tensorflow import keras from tensorflow.keras import datasets import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # x: [60k, 28, 28], # y: [60k] (x, y), _ = datasets.mnist.load_data() # x: [0~2

基于tensorflow2.0的手写数字识别

JulyLi2019的博客

05-21

4303

之前用的tensorflow1.x版本感觉很费劲，这次尝试用tensorflow2.0版本实现下，实现容易实现多了，再也不用with tf.Session() as sess了。文章细节后续有空再补，直接上代码。 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt import pandas as pd # 加载mnist数据集 mnist = tf.keras.datasets.mnist (x_trai

tensorflow2.0实现mnist手写数字识别代码

08-16

基于python3.7版本的tensorflow2.0实现mnist手写数字识别代码

tensorflow2.0-mnist手写数字识别的代码实例

12-31

《TensorFlow 2.0 实践：MNIST手写数字识别的CNN实现》 MNIST手写数字识别是深度学习领域的一个经典问题，通常用于初学者入门实践。在TensorFlow 2.0中，我们可以利用其简洁的API和强大的功能来构建高效的卷积神经...

基于tensorflow2.0的手写数字识别系统源码-含有有图形化界面（95分以上）.zip

最新发布

08-22

基于tensorflow2.0的手写数字识别系统源码-含有有图形化界面（95分以上）.zip 该项目是个人大作业项目源码，评审分达到95分以上，都经过严格调试，确保可以运行！放心下载使用。基于tensorflow2.0的手写数字识别...

基于tensorflow2.0完成的手写数字识别系统源码-含有有图形化界面.zip

07-09

这是一个基于TensorFlow 2.0实现的手写数字识别系统的源代码项目，包含了图形化用户界面。这个项目的主要目的是教你如何利用深度学习技术，特别是卷积神经网络（CNN），来识别手写数字。以下是对该项目中涉及的关键...

tensorflow识别图片数字

12-15

这个过程展示了如何使用 TensorFlow 实现手写数字识别。通过理解 MNIST 数据集、构建神经网络模型、训练和应用模型，你可以扩展这个概念到其他图像识别任务。不过，要注意的是，对于实际应用，可能需要更复杂的模型...

【TensorFlow2.0】训练本地图片进行手写体数字识别

桜

11-06

865

配置tensorflow-gpu环境首先，配置tensorflow-gpu环境。（不使用GPU环境运行出错）我的环境配置： python3.7.9 cuda_10.0.130_411.31_win10 cudnn-10.0-windows10-x64-v7.5.0.56 配置步骤 #coding=utf-8 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt from PIL import Image i

tensorflow2.0基础操作-手写数字识别实战

CSDNXXCQ的博客

05-09

196

import tensorflow as tf from tensorflow import keras from tensorflow.keras import datasets, layers, optimizers, Sequential, metrics import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' def preprocess(x, y): #数值归一化，转换数据类型 x = tf.cast(x, dtype=tf.floa

Tensorflow2.0之Minist手写数字识别

python_LC_nohtyp的博客

01-29

3456

Tensorflow2.0之Minist手写数字识别注：完整代码在最后 Minist数据集介绍 Minist数据集是(Lecun, Bottou, Bengio, & Haffner, 1998)发布的，它包含了0~9 共10 种数字的手写图片，每种数字一共有7000 张图片，采集自不同书写风格的真实手写图片，一共70000 张图片。其中60000张图片作为训练集????train^{tr...

Tensorflow2 图像识别手写数字数据处理实例【人工智能深度学习笔记】

pigyellow98的博客

11-01

493

Tensorflow2 图像识别手写数字数据处理用的是Tensorflow中keras的mnist数据 import tensorflow as tf import matplotlib.pyplot as plt mnist = tf.keras.datasets.mnist (train_x,train_y),(test_x,test_y) = mnist.load_data() print("Training set:",len(train_x)) Training set: 60000 p

TensorFlow2.0 搭建手写数字识别网络

Fuly的博客

01-25

1471

参考: https://www.bilibili.com/video/BV16A41157LW?p=17 视频及课件来源北京大学曹建 1, 获取数据: import tensorflow as tf import numpy as np def get_mnist_data(): # 参考: https://www.codenong.com/53310656/ # 获取数据 return (x_train, y_train), (x_test, y_test) (x_trai

聪明的人脸识别3——Pytorch 搭建自己的Facenet人脸识别平台