十二 Keras卷积神经网络实例（手写数字识别）

数据处理

import tensorflow as tf
import keras
from keras import layers

下载数据集（用vpn)

import keras.datasets.mnist as mnist
(train_image, train_label), (test_image, test_label) = mnist.load_data()

查看训练集

train_image.shape

训练集是60000张28*28像素的图片组成

图像的数据的shape
hight width channel(黑白图像是1，彩色图像是3）

conv2d 要求数据是一个高 宽 channel 形状的图像
conv2d:图片输入形状：batch(有多少张图片) ，高，宽， channel
为了给conv2d输入图像，我们需要将图片扩宽一个用来表示channel的维度
dense：图片输入形状：batch(有多少张图片) ，data

train_image = np.expand_dims(train_image, axis=-1) ##axis=-1表示在最后一个维度上扩增

此时再看训练集图像形状

在这里插入代码片

此时变为一个四维数据形状
测试集也扩宽维度

test_image = np.expand_dims(test_image, axis=-1)

初始化模型

model = keras.Sequential()

添加层，构建网络

##卷积层
model.add(layers.Conv2D(64, (3, 3), activation='relu', input_shape=(28,