李宏毅《机器学习》笔记：8. keras_手写识别Demo

参考文章：
https://www.cnblogs.com/ncuhwxiong/p/9836648.html

祝大家国庆快乐，学个习为祖国庆生！
<--------挖坑5处，欢迎评论区答疑和指正 !------->

2021.09.30
LeeML-Notes：P15,P16,P17

1 库导入部分

import keras  #导入Keras
from keras.models import Sequential # 导入序贯模型
from keras.layers.core import Dense,Dropout,Activation # 导入全连接层,激活函数
# from keras.layers import Conv2D,MaxPooling2D,Flatten
from keras.optimizers import SGD,Adam # 导入优化函数SGD和Adam
from keras.utils import np_utils
from keras.datasets import mnist #导入手写集
import numpy as np

• Dropout

  Dropout的主要目的是使网络中过度拟合的影响最小化。

  Dropout技术是通过随机减少神经网络中相互连接的神经元的数量来实现的。

  摘自：https://baijiahao.baidu.com/s?id=1667213407197650339&wfr=spider&for=pc

• mnist

  MNIST是一组经过预处理的手写数字图片数据集，它为机器学习的初学者提供了一个练手的机会，可以在真实的数据上用学到的算法来解决问题。由于很多的机器学习教程都以MNIST作为入门项目，因此它也被称作是机器学习领域的“hello world”。

  MNIST中每个样本都是一张长28、宽28的灰度图片，其中包含一个0-9的数字。

2. 载入数据并进行预处理

def load_data():
    (x_train,y_train),(x_test,y_test) = mnist.load_data()  # 下载mnist数据集

	#切数据 定训练数据量
    number = 10000  #x_train.shape为（60000,28,28）说明一共有6万张图片，每张是28*28。y_train是6万维的列向量(60000,)。test有1万张
    x_train = x_train[0:number] #取前1万张作为训练集
    y_train = y_train[0:number]
   
	#数据格式变化 
	x_train = x_train.reshape(number,28*28) #x_train原来是（10000,28,28）现在转化为(1000,28*28)
    x_test = x_test.reshape(x_test.shape[0],28*28) #x_test原来是（10000,28,28）现在转化为（10000，28*28）
    
	#astype转换数据类型
	x_train = x_train