Keras实现CNN模型解决mnist数据集手写数字分类问题

最新推荐文章于 2022-01-08 13:44:00 发布

weixin_56336619

最新推荐文章于 2022-01-08 13:44:00 发布

阅读量250

点赞数

分类专栏：深度学习

本文链接：https://blog.csdn.net/weixin_56336619/article/details/116172407

版权

本文介绍了如何利用Keras库构建卷积神经网络（CNN）模型，来解决经典的手写数字识别问题——MNIST数据集。通过训练和评估模型，展示了解决此类图像分类任务的基本步骤。

摘要由CSDN通过智能技术生成

keras提供了Tensorflow框架的接口
恭喜我print了第一个hello world

全部内容手敲及注释

import keras
import matplotlib.pyplot as plt


import ssl
ssl._create_default_https_context = ssl._create_unverified_context #全局取消证书验证

# (X_train,Y_train),(X_test,y_test) = keras.datasets.mnist.load_data()

# sample_image = X_train[0] #可视化样本图像
# plt.imshow(sample_image)
# plt.show()
#
# print(sample_image[22][11]) #图像的像素是28*28 对于灰度图 每个像素是0-255的数字 以数组方式存储

#对于彩色图像 每个像素是一个数组 其三个值对应RGB颜色方案

# from matplotlib import pyplot
# def relu(x):
#     return max(0.0,x)
#
# inputs = [x for x in range(-15,15)]
# outputs = [relu(x) for x in inputs]
#
# pyplot.plot(inputs,outputs)
# pyplot.show() #可视化激活函数

#创建一个简单的CNN模型

from keras.models import Sequential # For stacking layers 用于堆叠层
from keras.layers import Dense,Conv2D,Flatten,MaxPooling2D,Dropout
from keras.utils import plot_model

num_classes = 10 #类标签总数
model = Sequential() #堆叠图层

#第一部分 特征提取：卷积层、激活层、池化层
#卷积层和激活函数
model.add(Conv2D(64,kernel_size=3,activation='relu',input_shape=(28,28,1))