在上一篇文章中,使用了传统的多层感知机神经网络来实现手写体识别,具体参见这里,最终获得了大概97%的神经网络,还能不能得到更高的准确率的,答案当然是肯定的,那就是卷积神经网络CNN。在这里我们使用keras的CNN网络来实现MNIST手写体识别任务。具体的步骤与之前类似,直接贴代码吧:
import numpy as np f = np.load('mnist.npz') x_train, y_train = f['x_train'], f['y_train'] x_test, y_test = f['x_test'], f['y_test'] f.close() print('训练数据集样本数: %d ,标签个数 %d ' % (len(x_train), len(y_train))) print('测试数据集样本数: %d ,标签个数 %d ' % (len(x_test), len(y_test))) print(x_train.shape) print(x_test.shape) |