MNIST手写数据，从训练到数据预测（keras）

最新推荐文章于 2022-01-29 13:57:46 发布

国安永远争第一

最新推荐文章于 2022-01-29 13:57:46 发布

阅读量472

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/weixin_41983807/article/details/105434035

版权

本文介绍了使用Keras处理MNIST手写数字数据集的过程，包括本地数据读取、模型训练及模型保存。通过链接提供了详细步骤，便于读者实现从训练到预测的全过程。

摘要由CSDN通过智能技术生成

1 读取本地MNIST数据，训练，保存模型

# -*- coding: utf-8 -*-
"""
Created on Thu Apr  9 21:10:34 2020

@author: tianx
"""
import numpy as np
import os
import gzip
import keras
from keras.models import Sequential # 导入序贯模型，可以通过顺序的方式，叠加神经网络层
from keras.layers import Dense

from keras import optimizers
from keras.optimizers import SGD # 导入优化函数

# 定义加载数据的函数，data_folder为保存gz数据的文件夹，该文件夹下有4个文件
# 'train-labels-idx1-ubyte.gz', 'train-images-idx3-ubyte.gz',
# 't10k-labels-idx1-ubyte.gz', 't10k-images-idx3-ubyte.gz'

def load_data(data_folder):

  files = [
      'train-labels-idx1-ubyte.gz', 'train-images-idx3-ubyte.gz',
      't10k-labels-idx1-ubyte.gz', 't10k-images-idx3-ubyte.gz'
  ]

  paths = []
  for fname in files:
    paths.append(os.path.join(data_folder,fname))

  with gzip.open(paths[0], 'rb') as lbpath:
    y_train = np.frombuffer