深度学习Keras入门（3）--创建简单手写体识别模型

最新推荐文章于 2024-04-02 12:50:01 发布

年近四旬的菜鸟码农

最新推荐文章于 2024-04-02 12:50:01 发布

阅读量319

点赞数

文章标签： python keras 深度学习

本文链接：https://blog.csdn.net/zhubing1866/article/details/107084612

版权

本文介绍了如何使用Keras构建一个简单的手写数字识别模型，包括数据导入、划分、探索、模型初始化、全连接层构建、训练设置、数据预处理以及模型训练与验证，最终达到高精度的识别效果。

摘要由CSDN通过智能技术生成

我们简单介绍一下，如何使用Keras创建一个简单手写识别模型

Step 1: 导入数据

从keras的库中导入手写体识别数据集mnist模块

from keras.datasets import mnist

Step 2: 数据划分

(train_images, train_labels),(test_images, test_labels) = mnist.load_data()

Step 3: 探索数据

train_images.shape
test_images.shape

Step 4: 模型初始化

from keras import models
network = models.Sequential()

Sequential（）函数代表建立序列模型

Step 5: 构建两个全连接层模型结构

network.add(layers.Dense(512, activation = "relu", input_shape=(28*28,)))
network.add(layers.Dense(10, activation = "softmax"))

第一个全连接层512个神经元，输入对应一个图表的像素数量（28*28）

第一个全连接层10个神经元和10个数据手写体对应

relu和softmax分别为激活函数类

关注