搭建卷积神经网络实现训练、预测实战

AI炮灰

已于 2022-08-18 08:22:28 修改

阅读量755

点赞数

分类专栏：深度学习实战代码40例深度学习文章标签： cnn 深度学习 python

于 2022-08-17 22:49:08 首次发布

本文链接：https://blog.csdn.net/bigData1994pb/article/details/125977634

版权

深度学习实战代码40例同时被 2 个专栏收录

26 篇文章 42 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

深度学习

34 篇文章 4 订阅

订阅专栏

本文通过介绍如何利用Python和深度学习中的卷积神经网络（CNN）对MNIST手写数字数据集进行训练和预测。内容涵盖数据集简介、网络结构设计以及模型的训练过程，展示在训练过程中各个时期的损失(loss)和准确率(accuracy)变化。

摘要由CSDN通过智能技术生成

1.数据集

mnist手写数据集：

总共有70000张图片，其中60000张图片用于训练，10000张图片用于测试，图片的宽高分别为28、28

28x28的图片，转换成28x28个像素点，每个像素点的值介于0和1之间

2.网络结构

3.代码实现

（1）GPU设置及查看

import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt
import os

os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

# 设置GPU并查看是否可用
gpus = tf.config.list_physical_devices("GPU")
if gpus:
    print("可以使用GPU")
    gpu0 = gpus[0]
    tf.config.experimental.set

了解本专栏