keras 识别手写数字mnist

#加载库
import keras
from keras import layers
import matplotlib.pyplot as plt
import keras.datasets.mnist as mnist

(train_image,train_label),(test_image,test_label)=mnist.load_data()

在这里插入图片描述

#建立模型
model = keras.Sequential()
model.add(layers.Flatten()) #展平 (60000,28,28)---》(60000,28*28)
model.add(layers.Dense(64,activation='relu'))
model.add(layers.Dense(10,activation='softmax'))
#编译
model.compile(optimizer = "adam",
              loss="sparse_categorical_crossentropy",
              metrics=['acc']
)
#训练模型
model.fit(train_image,train_label,epochs=50,batch_size=512)
#评估结果
model.evaluate(test_image,test_label)
# [0.34606385231018066, 0.9524000287055969]
model.evaluate(train_image,train_label)
#[0.05486735701560974, 0.9823333621025085]

模型优化
增加隐藏层

model = keras.Sequential()
model.add(layers.Flatten()) #展平 (60000,28,28)---》(60000,28*28)
model.add(layers.Dense(64,activation='relu'))# 隐藏层
model.add(layers.Dense(64,activation='relu'))# 隐藏层
model.add(layers.Dense(64,activation='relu'))# 隐藏层
model.add(layers.Dense(10,activation='softmax'))

model.compile(optimizer = "adam",
              loss="sparse_categorical_crossentropy",
              metrics=['acc']
)

history = model.fit(train_image,train_label,epochs=50,batch_size=512,validation_data=(test_image,test_label))
#画图
epochs=range(len(history.history['acc']))
plt.figure()
plt.plot(epochs,history.history['acc'],'b',label='Training acc')
plt.plot(epochs,history.history['val_acc'],'r',label='Validation acc')
plt.title('Traing and Validation accuracy')
plt.legend()


plt.figure()
plt.plot(epochs,history.history['loss'],'b',label='Training loss')
plt.plot(epochs,history.history['val_loss'],'r',label='Validation val_loss')
plt.title('Traing and Validation loss')
plt.legend()
plt.show()

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

寒江雪ing

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值