#导入数据,查看数据属性
from keras.datasets import mnist
(train_images,train_labels),(test_images,test_labels)=mnist.load_data()
#构建训练模型
from keras import models#导入各种包
from keras import layers
network=models.Sequential()#模型选择sequential
network.add(layers.Dense(512,activation='relu',input_shape=(28*28,)))#512个隐藏节点,激活函数采用relu函数,输入784像素
network.add(layers.Dense(512,activation='relu'))#512个隐藏节点,激活函数采用relu函数,输入784像素
network.add(layers.Dense(512,activation='relu'))#512个隐藏节点,激活函数采用relu函数,输入784像素
network.add(layers.Dense(512,activation='relu'))#512个隐藏节点,激活函数采用relu函数,输入784像素
network.add(layers.Dense(10,activation='softmax'))#十个类别,分类函数采用softmax
#编译步骤
network.compile(optimizer='rmsprop',
loss='categorical_crossentropy',
metrics=['accuracy'])
#准备图像数据
train_images=train_images.reshape((6
相同条件下全连接和卷积神经网络的效果差异
最新推荐文章于 2023-03-24 00:00:15 发布