卷积神经网络卷积后输出的大小

东哥爱编程

于 2022-06-15 10:41:34 发布

阅读量128

点赞数

分类专栏：机器学习 python 文章标签：神经网络

本文链接：https://blog.csdn.net/monk96/article/details/125292631

版权

python 同时被 2 个专栏收录

50 篇文章 2 订阅

订阅专栏

机器学习

34 篇文章 0 订阅

订阅专栏

该博客通过Python的Keras库演示了手写数字识别的过程。首先加载MNIST数据集，然后对数据进行预处理，接着构建一个包含Flatten、Dense层的神经网络模型，并使用Adam优化器和SparseCategoricalCrossentropy损失函数进行训练。在10个训练周期后，模型对测试数据进行预测并展示结果。

摘要由CSDN通过智能技术生成

实现手写字体的分类识别，直接上代码：

# %%
import tensorflow.keras as keras
(train_data, train_label), (test_data, test_label) = keras.datasets.mnist.load_data()

# %%
train_data.shape

# %%
import matplotlib.pyplot as plt


# %%
train_data, test_data = train_data/255.0, test_data/255.0

# %%

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation = 'relu'),
    keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer="adam", loss= keras.losses.SparseCategoricalCrossentropy(from_logits=False), metrics=['accuracy'])
model.fit(train_data, train_label, epochs= 10)

# %%
import numpy as np
np.argmax(model.predict(test_data)[0])
test_label[0]