演示如何使用Python和TensorFlow库进行深度学习模型的开发和训练。在这个示例中,我们将使用一个简单的全连接神经网络模型来对手写数字进行识别:
在这个示例中,我们首先使用TensorFlow库的mnist
模块加载了MNIST手写数字数据集。然后,我们对数据进行了预处理,将像素值缩放到0到1之间,并将标签进行了独热编码处理。
接下来,我们构建了一个简单的全连接神经网络模型,包括一个Flatten层(用于将二维图像数据展开为一维向量)、一个128个神经元的全连接层和一个输出层。我们使用了ReLU激活函数和softmax激活函数,并使用adam优化器和交叉熵损失函数进行模型编译。
最后,我们使用训练集训练了模型,并在测试集上评估了模型的性能。测试准确率可以反映模型在未见过的数据上的泛化能力。