03-Keras之用MNIST数据集训练一个CNN

最新推荐文章于 2021-07-17 19:34:22 发布

Levine-Huang

最新推荐文章于 2021-07-17 19:34:22 发布

阅读量1.4k

点赞数 1

分类专栏：深度学习 Keras 机器学习

本文链接：https://blog.csdn.net/sinat_25059791/article/details/55806377

版权

本文档介绍了如何使用Keras框架，基于MNIST数据集训练一个卷积神经网络（CNN）。包括了模型的代码实现及运行结果展示。

摘要由CSDN通过智能技术生成

03-Keras之用MNIST数据集训练一个CNN

模型code

# -*- coding: utf-8 -*-

'''Trains a simple convnet on the MNIST dataset.

Gets to 99.25% test accuracy after 12 epochs
(there is still a lot of margin for parameter tuning).
16 seconds per epoch on a GRID K520 GPU.
'''

from __future__ import print_function
import numpy as np
np.random.seed(1337)  # for reproducibility

from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Convolution2D, MaxPooling2D
from keras.utils import np_utils
# Keras的底层库使用Theano或TensorFlow
from keras import backend as K

batch_size = 128
nb_classes = 10
nb_epoch = 12

# input image dimensions
img_rows, img_cols = 28, 28
# number of convolutional filters to use
nb_filters = 32
# size of pooling area for max pooling
pool_size = (2, 2)
# convolution kernel size
kernel_size = (3, 3)

# the data, shuffled and split between train and test sets
(X_train, y_train), (X_test, y_test) = mnist.load_data()

# 在如何表示一组彩色图片的问题上，Theano和TensorFlow发生了分歧.
# ’th’模式，也即Theano模式会把100张RGB三通道的16×32（高为16宽为32）彩色图表示为下面这种形式（100,3,16,32），Caffe采取的也是这种方式。第0个维度是样本维，代表样本的数目，第1个维度是通道维，代表颜色通道数。后面两个就是高和宽了。
# 而TensorFlow，即’tf’模式的表达形式是（100,16,32,3），即把通道维放在了最后。

# 根据backend模式reshape输入数据
if K.image_dim_ordering() ==