小生不才：tensorflow实战01-基于bp神经网络的手写数字识别

前言

• 利用搭建网络八股，使用简单的bp神经网络完成手写数字的识别。

搭建过程

• 导入相应的包
• 获取数据集，划分数据集和测试集并进行简单处理（归一化等）
• 对数据进行乱序处理
• 定义网络结构
• 选择网络优化器以及损失函数
• 进行训练，设置batch大小以及迭代次数

代码实现

import tensorflow as tf
import numpy as np
# 导入手写数字数据集
from tensorflow.keras.datasets import mnist

# 获取数据
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 对数据归一化
x_train = x_train / 255.0
x_test = x_test / 255.0

# 打乱训练集顺序
# 设置随机种子，使训练集和标签打乱顺序的次序一样
np.random.seed(116)
np.random.shuffle(x_train)
np.random.seed(116)
np.random.shuffle(y_train)

# 搭建网络

model = tf.keras.models.Sequential([
    # 将照片拉直成1维数组
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu', kernel_regularizer=tf.keras.regularizers.l2()),
    # 10个数字，最后一层设置为10个神经元
    tf.keras.layers.Dense(10, activation='softmax')]
)

# 设置训练参数
model.compile(optimizer=tf.keras.optimizers.Adam(lr=0.01), loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),
              metrics=['sparse_categorical_accuracy'])
# 训练模型

model.fit(x_train, y_train, batch_size=400, epochs=10, validation_data=(x_test, y_test), validation_freq=10)

# 打印网络结构
model.summary()

到这完成了手写数字识别体训练，有什么问题，大家可以留言。