利用keras实现简单的全连接层的mnist手写识别

最新推荐文章于 2022-03-22 23:55:19 发布

际遇98

最新推荐文章于 2022-03-22 23:55:19 发布

阅读量633

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/qq_41629348/article/details/97955732

版权

本文介绍了如何利用Keras库构建一个简单的全连接层模型，应用于经典的MNIST手写数字识别任务。通过训练和评估模型，展示了Keras在深度学习领域的易用性和有效性。

摘要由CSDN通过智能技术生成

#使用mnist数据集
import keras
from keras.datasets import mnist
import numpy as np
import matplotlib.pyplot as plt

%matplotlib inline

#写一个LossHistory类，保存loss和acc
class LossHistory(keras.callbacks.Callback):
    def on_train_begin(self, logs={}):
        self.losses = {'batch':[], 'epoch':[]}
        self.accuracy = {'batch':[], 'epoch':[]}
        self.val_loss = {'batch':[], 'epoch':[]}
        self.val_acc = {'batch':[], 'epoch':[]}

    def on_batch_end(self, batch, logs={}):
        self.losses['batch'].append(logs.get('loss'))
        self.accuracy['batch'].append(logs.get('acc'))
        self.val_loss['batch'].append(logs.get('val_loss'))
        self.val_acc['batch'].append(logs.get('val_acc'))

    def on_epoch_end(self, batch, logs={}):
        self.losses['epoch'].append(logs.