keras学习手写数字识别

最新推荐文章于 2023-08-28 16:23:47 发布

qq_37752727

最新推荐文章于 2023-08-28 16:23:47 发布

阅读量326

点赞数

文章标签：深度学习

本文链接：https://blog.csdn.net/qq_37752727/article/details/104377552

版权

本文介绍了如何使用Keras进行手写数字识别，涵盖了Sequential模型创建、Dense层与激活函数、标签转换、图像显示以及损失函数选择，如categorical_crossentropy和binary_crossentropy在不同场景的应用。

摘要由CSDN通过智能技术生成

一、Sequential()创建模型及其中方法

Sequential()#类
keras.engine.sequential.Sequential()#所处包和模块中位置
from keras import models
network = models.Sequential(layers，name)#从model模块调用，参数可选填或者不填
network.add(layer)#添加层的方法，若初始化时添加层，其内部也是调用此方法
network.layers()#返回自身
'''
将优化器、损失函数和指标作为字符串传入，
这是因为rmsprop、binary_ crossentropy 和 accuracy 
都是Keras 内置的一部分。有时你可能希望配置自定义优化
器的参数，或者传入自定义的损失函数或指标函数。
optimizer=optimizers.RMSprop(lr=0.001)
loss=losses.binary_crossentropy
metrics=[metrics.binary_accuracy]
'''
network.compile(optimizer='rmsprop',
              loss='categorical_crossentropy',
              metrics=['accuracy'])
network.fit(x_train, y_train, epochs=5, batch_size=128)
test_loss