keras 利用CNN实现手写数据分类及卷积核尺寸大小对性能影响的比较

最新推荐文章于 2024-02-28 11:49:41 发布

liu24244

最新推荐文章于 2024-02-28 11:49:41 发布

阅读量2k

点赞数 2

文章标签：可视化 python 机器学习卷积深度学习

本文链接：https://blog.csdn.net/liu24244/article/details/105844169

版权

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, ).