快速搭建神经网络模型的模板

最新推荐文章于 2024-09-18 10:07:12 发布

D0644727

最新推荐文章于 2024-09-18 10:07:12 发布

阅读量740

点赞数

分类专栏：机器学习文章标签：神经网络深度学习

本文链接：https://blog.csdn.net/d0644727/article/details/109697680

版权

本文介绍了如何使用TensorFlow的tf.keras.models.Sequential快速搭建神经网络模型，包括数据加载、模型构建、编译、训练及模型摘要。内容涵盖自制数据集、自定义模型以及模型的训练和评估过程。

摘要由CSDN通过智能技术生成

1.import

输入相应数据库

2.训练集、测试集

2.1## load_data

2.2自制数据集

https://www.bilibili.com/video/BV1B7411L7Qt?p=20
中给出了这样的制作方法：

train_path = './mnist_image_label/mnist_train_jpg_60000/'
train_txt = './mnist_image_label/mnist_train_jpg_60000.txt'
x_train_savepath = './mnist_image_label/mnist_x_train.npy'
y_train_savepath = './mnist_image_label/mnist_y_train.npy'

test_path = './mnist_image_label/mnist_test_jpg_10000/'
test_txt = './mnist_image_label/mnist_test_jpg_10000.txt'
x_test_savepath = './mnist_image_label/mnist_x_test.npy'
y_test_savepath = './mnist_image_label/mnist_y_test.npy'


def generateds(path, txt):
    f=open(txt,'r')# 以只读形式打开txt文件
    contents = f.readlines()  # 读取文件中所有行
    f.close()  # 关闭txt文件
    x, y_ = [], []  # 建立空列表
    for content in contents:  # 逐行取出
        value = content.split()  # 以空格分开，图片路径为value[0] , 标签为value[1] , 存入列表
        img_path = path + value[0]  # 拼出图片路径和文件名
        img = Image.open(img_path)  # 读入图片
        img = np.array(img.convert('L'))  # 图片变为8位宽灰度值的np.array格式
        img = img /