说明:此处采用mnist数据集来进行分类,mnist是28*28的灰度图像,共有60000个数据,标签种类有10000个,如下所示:
import numpy as np
from time import time
from keras.datasets import mnist
from keras.utils import np_utils # keras自带的numpy
from keras.models import Sequential #models.Sequential,用来一层一层一层的去建立神经层
from keras.layers import Dense, Activation #layers.Dense 意思是这个神经层是全连接层,Activation 激励函数
from keras.optimizers import RMSprop #optimizers.RMSprop 优化器采用 - RMSprop,加速神经网络训练方法
np.random.seed(1337) # 让每次的随机数相似
# 1.数据准备
(X_train, y_train), (X_test, y_test) = mnist.load_data()
# 数据的格式: X shape (60,000 28x28), y shape (10,000)
#其中X是图片28*28,y是标签 10000个
#》》》》》》》》》》》》数据预处理《《《《《《《《《《
X_train = X_train.reshape(X_train.shape[0],-1)#((60000,28,28)变(60000,784))-1的意思是:懒的写维度,np自己计算
X_train1 = X_train/255 # 训练数据归一化处理
X_test = X_test.reshape(X_test.shape[0],-1)
X_test1