记录学习keras过程
本文要说明的问题:
-
使用Keras进行手写数据分类:网络结构——4层神经网络(2个conv,2个dense)
学习过程中的意外收获——可视化卷积核尺寸对学习过程的影响
结论:对于28*28的手写数据集,卷积核从1增加到4时,精确度显著上升,超过4以后无明显变化,但是训练时间显著增加所以一般选择卷积核大小为3比较机智,较大的核计算量显著变大,但是对训练效果影响不大 -
导入相关库和数据集
import numpy as np
np.random.seed(1337) # for reproducibility
from tensorflow.keras.datasets import mnist
from keras.utils import np_utils
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Activation, Convolution2D, MaxPooling2D, Flatten
from tensorflow.keras.optimizers import Adam
# download the mnist to the path '~/.keras/datasets/' if it is the first time to be called
# training X shape (60000, 28x28), Y shape (60000, ).