python+CNN超详细入门(mnist数据集)

最新推荐文章于 2024-08-19 14:19:07 发布

TFknight

最新推荐文章于 2024-08-19 14:19:07 发布

阅读量1.8w

点赞数 5

分类专栏：深度学习，神经网络文章标签： Python 机器学习 CNN 神经网络 mnist

本文链接：https://blog.csdn.net/gdufsTFknight/article/details/80309461

版权

这篇博客详细介绍了如何使用Python和Keras库构建一个卷积神经网络（CNN）模型，对MNIST手写数字数据集进行训练和验证。通过设定参数、数据预处理、模型构建、编译及训练，最终评估模型的测试准确率。

摘要由CSDN通过智能技术生成

#  -*- coding: utf-8 -*-
__author__ = "TF大Q"

import numpy as np
np.random.seed(1337)
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Convolution2D, MaxPooling2D
from keras.utils import np_utils
from keras import backend as K

# 全局变量
batch_size = 128
nb_classes = 10
epochs = 5
# input image dimensions
img_rows, img_cols = 28, 28
# 卷积滤波器的数量
nb_filters = 32
# size of pooling area for max pooling
pool_size = (2, 2)
# convolution kernel size
kernel_size = (3, 3)

#load data
(X_train, y_train), (X_test, y_test) = mnist.load_data()
from sklearn.cross_validation import train_test_split
#x为数据集的feature熟悉，y为label.
X_train, X_valid, y_train, y_valid = train_test_split(X_train, y_train, test_size = 0.2)

# 根据不同的backend定下不同的格式
if K.image_dim_ordering() == 'th':
    X_train = X_trai