我的Keras学习笔记(更新中~)

本文是基于《Keras快速上手》整理的学习笔记,详细介绍了使用Keras构建端到端的MNIST数字识别网络。从数据预处理、模型搭建到训练和评估,涵盖卷积层、池化层、Dropout层、全连接层以及损失函数和优化器的选择。
摘要由CSDN通过智能技术生成

基于《Keras快速上手》这本书整理一下我的学习笔记(PS:是本好书)

一、图像识别

端到端的MNIST训练数字识别神经网络搭建过程:

(1) 肯定是要各种引入了

(2) 读入数据,整理数据

              将训练数据和验证数据(X_train,X_test)进行整理:

                     ① 将原本n*m的数据整理成标准的四维张量形式(样本数量,长,宽,1)

                     ②把像素值变为浮点型

              将训练标签和验证标签(y_train,y_test)进行整理:

                     ①定义一个one hot函数(生成一个zeros(n);  将等于y值的位置设置为1,eg:y_ohe[y]=1)

                     ②利用刚刚定义好的函数将所有的标签转换为one hot(利用for循环)

(3) 开始搭建网络啦~

model=Sequential() model.add=……   OR model=Sequential()

①  先添加卷积层、

     model.add(Conv2D(设置过滤器的数量(也是输出维度);过滤器的大小;一次跳几个小格;是否在周围加上0࿱

评论
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