用keras搭建CNN实现MNIST手写数据分类

Kaysonchen

于 2021-08-12 15:15:18 发布

阅读量412

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Keras 深度学习初学者文章标签：深度学习卷积神经网络 deep learning

本文链接：https://blog.youkuaiyun.com/Kaysonchen/article/details/119644926

本文详细介绍了如何利用Keras库搭建卷积神经网络（CNN），对MNIST手写数字数据集进行分类。步骤包括数据预处理、模型设计（包含卷积层、池化层和全连接层）、编译模型并进行训练和评估。通过实际代码展示了从数据加载到模型优化的全过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

深度学习笔记（二）

用keras搭建CNN实现MNIST手写数据分类

import numpy as np
import pandas as pd 
import keras
from keras.models import Sequential
from keras.layers import Dense,Dropout
from keras.optimizers import SGD,Adam
import matplotlib.pyplot as plt
from keras.datasets import mnist
from keras.utils import np_utils
from keras.regularizers import l1,l2

# 下载数据集

t1 = time.time()
(x_train,y_train), (x_test,y_test) = mnist.load_data()

# (60000, 28, 28) ----> (60000, 28, 28, 1)
x_train = x_train.reshape(-1,28, 28, 1)/255.0 # 因为图像的位数通常是8位，2^8 = 256种，0-255刚好是256种颜色
x_test = x_test.reshape(-1