用卷积神经网络实现手写字体的识别

最新推荐文章于 2024-09-23 21:16:26 发布

好好学习_天天向上de

最新推荐文章于 2024-09-23 21:16:26 发布

阅读量4.6k

点赞数 1

分类专栏：卷积神经网络文章标签：深度学习手写字体识别卷积神经网络

本文链接：https://blog.csdn.net/qq_21578125/article/details/79816672

版权

该博客介绍了如何利用Python的Keras库构建一个卷积神经网络模型，对MNIST数据集的手写数字进行识别。通过添加Conv2D、MaxPooling2D和Dropout层构建深度网络，经过20个训练周期后，模型在验证集上取得了高准确率和低平均绝对误差。

摘要由CSDN通过智能技术生成

代码如下所示：

# -*- coding: utf-8 -*-
# @Time    : 2018/4/4 13:22
# @Author  : mgliu
# @FileName: mnist.py
# @Software: PyCharm Community Edition
# -*- coding: utf-8 -*-

import numpy as np
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense,Dropout,Flatten
from keras.layers.convolutional import Conv2D,MaxPooling2D
(X_train,y_train),(X_test,y_test)=mnist.load_data()
print(X_train.shape)
print(y_train[0])
X_train=X_train.reshape(X_train.shape[0],28,28,1).astype('float32')
X_test=X_test.reshape(X_test.shape[0],28,28,1).astype('float')
X_train/=255
X_test/=255
#把标签用one-hot 从新编码
def tran_y(y):
    y_ohe=np.zeros(10)
    y_ohe[y]=1
    return y_ohe
y_train_ohe=np.array([tran_y(y_train[i])for i in range(len(y_train))])
y_test_ohe=np.array([tran_y(y_test[i])for i in