keras解决kaggle-手写体数字识别

最新推荐文章于 2024-04-03 15:41:05 发布

weixin_40012507

最新推荐文章于 2024-04-03 15:41:05 发布

阅读量1.7k

点赞数 1

文章标签： keras 手写数字识别深度学习 kaggle

本文链接：https://blog.csdn.net/weixin_40012507/article/details/78521864

版权

本文对比了tensorflow和keras在手写数字识别任务上的应用，指出keras由于其高层API特性，使得代码更简洁，模型构建更快速。通过keras在kaggle上的实践，模型表现优于tensorflow，并展示了数据处理、模型构建和训练的过程。

摘要由CSDN通过智能技术生成

上一篇是用tensorflow完成的，发现tensorflow的代码量比较多。因为tensorflow是比较低层次的库，而keras可以使用tensorflow为后端，实现模型起来代码会较少一点，而且也便于我们增加模型的深度。总的来说，keras更适合于上手。得到的成绩比tensorflow稍高一点

首先数据处理与用tensorflow的差不多。

#引入所需要的库
import numpy as np
import pandas as pd
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Dropout
from keras.layers import Flatten
from keras.layers.convolutional import Convolution2D
from keras.layers.convolutional import MaxPooling2D
from keras.utils import np_utils
import matplotlib.pyplot as plt
from keras.constraints import maxnorm
from keras.optimizers import SGD
from keras.layers.core import Reshape
import matplotlib.pyplot as plt
%matplotlib inline