keras MNIST手写数字数据集数字识别

最新推荐文章于 2024-02-03 23:07:46 发布
最新推荐文章于 2024-02-03 23:07:46 发布
阅读量903 收藏 9
点赞数 3
文章标签： keras python 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41847555/article/details/124995210
版权

keras MNIST手写数字数据集数字识别

1 介绍一下

  MNIST数据集 (Mixed National Institute of Standards and Technology database) 是美国国家标准与技术研究院收集整理的大型手写数字数据库，包含 6万 个示例的训练集以及 1万 个示例的测试集。

  收集时间：1998年

  MNIST数字文字识别数据集数据量不太多，而且是单色的图像，比较简单，很适合深度学习的初学者用来练习建立模型、训练、预测。

2 环境准备

  在此之前，我已经装好了Anaconda，并且创建了两个虚拟环境，
在这里插入图片描述
  其实，之所以用虚拟环境，是为了解决包之间兼容性问题。

  下面激活虚拟环境

conda activate tensorFlowfu

在这里插入图片描述
  启动 jupyter notebook

 jupyter notebook

在这里插入图片描述
在这里插入图片描述

3 导入数据

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
  MNIST数据集里的每一个图片，其实就是28 * 28的矩阵，一共有六万个矩阵，构成了一个60000 * 28 * 28的数组。

  每个矩阵都对应一个标签，也就是一个数值，测试集的标签，是一个 1 * 60000 的数组。
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

4 数据预处理

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5 建立模型

  大家一定要注意： 输入层—神经网络的第一层。 它接收输入信号（值）并将其传递至下一层，但不对输入信号（值）执行任何运算。 它没有自己的权重值和偏置值。

在这里插入图片描述
在这里插入图片描述

6 训练模型

在这里插入图片描述

7 评估模型准确率

在这里插入图片描述
在这里插入图片描述

8 进行预测

在这里插入图片描述

在这里插入图片描述

三十二画生H
关注
  • 3
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
数字识别数据集
07-24
包含1000+张数字图片及标签，已划分为训练集、验证集和测试集，可直接用于yolo训练
经典数据集-手写数字识别pytorch
m0_64892604的博客
02-04 1546
经典数据集，手写数字识别
【深度学习】: MNIST手写数字识别
最新发布
chen695969的博客
02-03 1303
MNIST手写数字识别数据集是图像分类领域最常用的数据集之一，它包含60,000张训练图片，10,000张测试图片，图片中的数字均被缩放到同一尺寸且置于图像中央，图片大小为28×28。MNIST数据集中的每个样本都是一个大小为784×1的矩阵(从28×28转换得到)。MNIST数据集中的数字包括0到9共10类，如下图所示。注意，任何关于测试集的信息都不该被引入训练过程。在本次案例中，我们将构建多层感知机来完成MNIST手写数字识别。
Python ：MNIST手写数据集识别 + 手写板程序 最详细，直接放心，大胆地抄！跑不通找我，我包教！
qq_37543124的博客
03-03 1万+
利用Python语言编写和调试一个识别手写数字图像的三层深度前馈网络，包括数据预处理，网络模型构建，模型参数初始化和正向推理，反向梯度下降参数寻优，最后模型预测的功能。目的是学会基本的深度网络模型建立、训练和推理过程，理解深度网络的实现原理。
深度学习05-keras实例mnist手写数字识别实例分步骤详解
qq_42871249的博客
02-26 536
数据准备 直接导入数据集mnist，把训练集和测试集导入。 from keras.datasets import mnist (X_train,y_train),(X_test,y_test) = mnist.load_data() 数据集介绍 print('图像数据格式：',X_train.shape) print('训练集：%2.0f,测试集：%3.0f' % (X_train.shape[...
MNIST手写体数字识别数据集
wsml1933的博客
10-13 7375
MNIST的加载及实现
mnist识别手写图片数字.rar
04-09
用于识别自己手写的图片识别 附带手写图片示例 和已经训练好的h5模型 数据集为mnist 附带 TensorFlow-gpu 运行环境 安装教程
卷积实现Mnist手写输入识别小案例源码及Keras版数据集
10-08
这是20年9月份早期做的一个实验，其中包括对数据集提取方法的一个重写，在loadMnist.py当中，注意修改这个文件内的绝对路径为你下载的位置再去运行CNN_mnist.py，同理CNN_Mnist.py中也有一个绝对路径要修改，同样...
mnist.py.tar.gz_CNN 手写数据集_keras_mnist.py_python_手写数字
09-23
基于keras的minis手写体数字数据集的识别，CNN 网络。
KerasMNISTExample-master_keras_mnist手写识别_识别_
10-02
keras手写字体识别算法，基于mnist数据集
基于Keras的Mnist手写体识别
09-05
模型应用：提供如何将模型应用于新输入的图像，实现实时手写数字识别的说明。 资源使用： 本资源提供的是一套详细的步骤和代码，用户需要根据提供的步骤在合适的开发环境中配置项目，并按照代码的指导进行操作。用户...
tensorflow实现手写数字识别
weixin_46398446的博客
10-19 7881
此篇博客是大佬博客的复现，感谢大佬。原文博客如下 手写数字识别 目录过程1.导入库及获取数据集2. 整理数据集3.定义各种参数及方法4.神经网络训练5.可视化损失和准确率6.预测及可视化完整代码 过程 1.导入库及获取数据集 这里采用Keras中常用数据集Datasets中的MNIST 手写字符数据集。Datasets中还有很多数据集可以拿来玩玩，详情链接如下 Keras中Datasets数据集 import tensorflow as tf import matplotlib.pyplot as .
深度学习实战（一）基于Keras的手写数字识别
qq_45622399的博客
02-08 1877
MNIST 数据集是经典的手写数字识别数据集 MNIST 数据集可在 http://yann.lecun.com/exdb/mnist/ 获取, 它包含了四个部分: Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解压后 47 MB, 包含 60,000 个样本) Training set labels: train-labels-idx1-ubyte.gz (29 KB, 解压后 60 KB, 包含 60,000 个标签...
神经网络应用: 手写数字识别(MNIST数据集)
weixin_44042453的博客
09-26 8960
神经网络应用: 手写数字识别(MNIST数据集) tensorflow 版
手写数字识别（识别纸上手写的数字）
Qyun_lucky_star的博客
08-11 2万+
手写数字识别（识别纸上手写的数字） 使用pytorch框架，实现对MNIST手写数字数据集的训练和识别。重点是，自己手写数字，手机拍照后传入电脑，使用你自己训练的权重和偏置能够识别。数据预处理过程的代码是重点。 分析 要识别自己用手在纸上写的数字，从特征上来看，手写数字相比于普通的电脑上的数字最大的 不同就是数字的边缘会发生不同幅度的抖动。而且，在MNIST数据集中的数字是边缘为黑色的，然后数字是不同灰度的白色的，如下所示： 在数据集中，每个数据都是28∗2828*2828∗28的灰度图，并且黑色部分都是
6. 手写数字图片数据集MNIST
Austin6035的博客
05-03 3771
MNIST数据集（http://yann.lecun.com/exdb/mnist/） 手写数字图片数据集，存在60000个训练样本，10000个测试样本。每个样本为一个28X28像素的图片。 主要包含四个压缩文件： train-images-idx3-ubyte.gz 训练样本图片的原始数据 train-labels-idx1-ubyte.gz 训练样本图片对应的标签数据 t10k-images-idx3-ubyte.gz 测试样本图片的原始数据 t10
手写数字数据集MNIST
qq_37289115的博客
10-14 1万+
文章目录一、 简介二、下载MNIST数据集训练集和测试集的长度输出图像数据和标记数据的形状显示手写数字图片输出数据集中的第1个样本显示图片 一、 简介 MNIST是一个非常有名的手写体数字识别数据集(手写数字灰度图像数据集)，在很多资料中，这个数据集都会被用作深度学习的入门样例。 MNIST数据集是由0到9的数字图像构成的。训练图像有6万张，测试图像有1万张。MNIST数据集是NIST数据集的一个子集，它包含了60000张图片作为训练数据，10000张图片作为测试数据。由250个不同的人手写而成。 每一张图
手写数字识别_MNIST数据集
kui9702的博客
12-14 1万+
前言 MNIST数据集由250个不同的人手写而成，总共有7000张手写数据集。其中训练集有6000张，测试集有1000张。每张图片大小为28x28，或者说是由28x28个像素组成。这章打算用一个简单的模型进行手写字符识别。 MNIST 下载MNIST数据集的方式有很多，可以去MNIST官网下载，也可以用函数api下载 官网下载网页为：http://yann.lecun.com/exdb/mnist/，复制链接打开之后可以在网页中看到以下信息，下图圈起来的就是数据集。 本文采用的是通过pytorch
从手写数字识别入门深度学习丨MNIST数据集详解
热门推荐
OpenDataLab的博客
07-13 3万+
就像无数人从敲下“Hello World”开始代码之旅一样，许多研究员从“MNIST数据集”开启了人工智能的探索之路。
使用R语言实现MNIST手写数字数据集识别
05-20
MNIST是一个常用的手写数字数据集，它包含了60000个训练样本和10000个测试样本。每个样本都是一个28x28的灰度图像，其中每个像素的值在0到255之间。 使用R语言实现MNIST手写数字数据集识别，可以按照以下步骤进行： 1. 下载MNIST数据集，可以通过以下代码实现： ```R install.packages("keras") library(keras) mnist <- dataset_mnist() x_train <- mnist$train$x y_train <- mnist$train$y x_test <- mnist$test$x y_test <- mnist$test$y ``` 2. 对数据进行预处理，将图像数据归一化处理，并将标签转换为one-hot编码。可以按照以下代码实现： ```R x_train <- x_train / 255 x_test <- x_test / 255 y_train <- to_categorical(y_train, num_classes = 10) y_test <- to_categorical(y_test, num_classes = 10) ``` 3. 构建模型，使用Keras库中的Sequential模型，并添加几层卷积神经网络和全连接层，可以按照以下代码实现： ```R model <- keras_model_sequential() model %>% layer_conv_2d(filters = 32, kernel_size = c(3, 3), activation = "relu", input_shape = c(28, 28, 1)) %>% layer_max_pooling_2d(pool_size = c(2, 2)) %>% layer_conv_2d(filters = 64, kernel_size = c(3, 3), activation = "relu") %>% layer_max_pooling_2d(pool_size = c(2, 2)) %>% layer_flatten() %>% layer_dense(units = 128, activation = "relu") %>% layer_dense(units = 10, activation = "softmax") ``` 4. 编译模型，设置损失函数、优化器和评价指标，可以按照以下代码实现： ```R model %>% compile( loss = "categorical_crossentropy", optimizer = optimizer_adam(), metrics = c("accuracy") ) ``` 5. 训练模型，使用fit()函数进行模型训练，可以按照以下代码实现： ```R history <- model %>% fit( x_train, y_train, epochs = 10, batch_size = 64, validation_split = 0.2 ) ``` 6. 评估模型，使用evaluate()函数进行模型评估，可以按照以下代码实现： ```R model %>% evaluate(x_test, y_test) ``` 以上就是使用R语言实现MNIST手写数字数据集识别的全部步骤。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

三十二画生H

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值