Keras：搭建全连接神经网络进行mnist手写数字识别

原创

已于 2023-03-25 09:49:51 修改 · 670 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #keras #深度学习

于 2023-03-22 19:40:36 首次发布

本节基于Keras搭建全连接神经网络，实现对mnist手写数字的识别。通过设置不同的优化器、损失函数，观察模型训练效果。此外，为防止过拟合，在代码中向读者展示了正则化和dropout的使用方法。代码如下：

'''
通过全连接神经网络实现mnist手写数字分类
1 对比交叉熵损失与均方误差损失函数对训练结果的影响
2 对比不同优化算法对训练结果的影响
'''

from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.datasets import mnist
from keras.optimizers import SGD, Adam, Adagrad, RMSprop
from keras.regularizers import l2
from keras.utils import np_utils
import matplotlib.pyplot as plt

class Classification:
    def __init__(self):
        (self.x_train, self.y_train), (self.x_test, self.y_test) = mnist.load_data()
        dim = self.x_train.shape[1] * self.x_train.shape[2]
        self.x_train, self.x_test = self.x_train.reshape((self.x_train.shape[0], -1)) / 255, self.x_test.reshape((self.x_test.shape[0], -1)) / 255
        self.y_train, self.y_test = np_utils.to_categorical(self.y_train, num_classes = 10), np_utils.to_categorical(