深度学习入门实战----基于Keras的手写数字识别（模型的保存与使用，json，weights）

 

【声明】个人学习笔记

深度学习入门实战----基于Keras的手写数字识别系列

深度学习入门实战----基于Keras的手写数字识别 (VGG16)

深度学习入门实战----基于Keras的手写数字识别 (GoogleNet)

目录

前言

手写数字数据集介绍

基于keras的手写数字识别实践

注意事项：

导入相关模块

载入MNIST数据集

数据的预处理

模型的建立与计算

结果分析

关于模型的保存与导入

---

前言

以手写识别数据为例，作为深度学习的入门，本文以Keras深度学习库为基础。

内容包括：

使用Keras载入MNIST数据集

构建Lenet训练网络模型

使用Keras进行模型的保存、载入（json文件、weights）

使用Keras实现对手写数字数据集的训练与预测

画出误差迭代图

手写数字数据集介绍

手写数字识别几乎是深度学习的入门数据集了。在keras中内置了MNIST数据集，其中测试集包含60000条数据，验证集包含10000条数据，为单通道的灰度图片，每张图片的像素大小为28×28.一共包含10个类别，为数字0到9。

基于keras的手写数字识别实践

注意事项：

本文使用的tensorflow等模块需要提前配置好

注意训练模型，图片，模型的保存、载入的文件路径问题，在自己电脑上运行时需要自行创建或修改

导入相关模块

# import the necessary packages
import numpy as np
from keras.utils import np_utils
from keras.optimizers import Adam
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers.convolutional import Conv2D
from keras.layers.convolutional import MaxPooling2D
from keras.layers.core import Activation
from keras.layers.core import Flatten
from keras.layers.core import Dense
from keras import backend as K
from keras.models import load_model

载入MNIST数据集

Keras可实现多种神经网络模型，并可以加载多种数据集来评价模型的效果，下面我们使用代码自动加载MNIST数据集。

# load minit data
from keras.datasets import mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()

显示MNIST训练数据集中的前面6张图片：

<