keras mnist python 机器学习深度学习

最新推荐文章于 2021-10-29 21:24:46 发布

LifelongLearningPan

最新推荐文章于 2021-10-29 21:24:46 发布

阅读量246

点赞数

分类专栏：机器学习文章标签： keras mnist python 机器学习深度学习

本文为LifelongLearningPan博主原创文章，转载请注明出处。

本文链接：https://blog.csdn.net/qq_24854861/article/details/94594264

版权

本文详细介绍了如何利用Python的Keras库进行机器学习，特别是针对MNIST手写数字识别的深度学习模型训练。通过构建、编译及训练神经网络，展示了一个完整的深度学习流程。

摘要由CSDN通过智能技术生成

from keras.datasets import mnist
from keras.utils import np_utils
import numpy as np
np.random.seed(10);

(x_Train,y_Train),(x_Test,y_Test)=mnist.load_data();

x_Train4D=x_Train.reshape(x_Train.shape[0],28,28,1).astype('float32');
x_Test4D=x_Test.reshape(x_Test.shape[0],28,28,-1).astype('float32');

x_Train4D_normalize=x_Train4D/255;
x_Test4D_normalize=x_Test4D/255;

y_TrainOneHot=np_utils.to_categorical(y_Train);
y_TestOneHot=np_utils.to_categorical(y_Test);

from keras.models import Sequential
from keras.layers import Dense,Dropout,Flatten,Conv2D,MaxPooling2D

model=Sequential();
model.add(Conv2D(filters=16,kernel_size=(5,5),padding='same',input_shape=(28,28,1),activation='relu'));
model.add(MaxPooling2D(pool_size=(2,2)));
model.add(Conv2D(filters=36,kernel_size=(5,5),padding="same",activation='relu'));
model.add(MaxPooling2D(pool_size=(2,