TensorFlow:MNIST手写数字识别模型训练

import tensorflow as tf

#加载mnist数据
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

#改变测试集和训练集输入的形状,将二维图片变为一维向量
x_train = x_train.reshape(x_train.shape[0],28*28)
x_test = x_test.reshape(x_test.shape[0],x_test.shape[1]*x_test.shape[2])

#输出变为one-hot向量
y_train = tf.keras.utils.to_categorical(y_train, num_classes=10) 
y_test = tf.keras.utils.to_categorical(y_test, num_classes=10)

#构建网络
#定义网络模型
model = tf.keras.models.Sequential()

#定义网络层
layers1 = tf.keras.layers.Dense(500,activation='relu')
layers2 = tf.keras.layers.Dense(500,activation='relu')
layers3 = tf.keras.layers.Dense(10,activation='softmax')

#把网络加入模型
model.add(layers1)
model.add(layers2)
model.add(layers3)

#定义分类交叉熵损失函数
loss_function = tf.losses.categorical_crossentropy
#定义SGD优化器 
optimizers = tf.optimizers.SGD(learning_rate=1e-3)

#模型编译
model.compile(optimizer = optimizers,loss = loss_function ,metrics = ['accuracy'])

#训练模型
model.fit(x_train,y_train,batch_size=128,epochs=20)

#评估模型
score = model.evaluate(x_test,y_test,batch_size=128)
print(score)

#保存模型
model.save('mnist_model.h5')

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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