手写字识别——可视化训练过程

数据集介绍:
Keras里已经封装好了mnist数据集(包含6000张训练数据,1000张测试数据),图片大小为28x28。一行代码就可以从keras里导入进来,第一次导入时间长点,请慢慢等待。
from keras.datasets import mnist

导入各种包

from keras.layers import Dense, Dropout, Convolution2D
from keras.layers import MaxPooling2D
from keras import Sequential
from keras.datasets import mnist
from keras.optimizers import Adam
from keras.utils import np_utils
from keras.layers import Flatten
import matplotlib.pyplot as plt

数据归一化

(X_train, Y_train), (X_test, Y_test) = mnist.load_data()
X_train = X_train.reshape(-1, 28, 28, 1)/255.0
X_test = X_test.reshape(-1, 28, 28, 1)/255.0

Y_train = np_utils.to_categorical(Y_train, num_classes=10)
Y_test = np_utils.to_categorical(Y_test, num_classes=10)

使用keras搭建网络模型
手写字属于10分类,最后一层全连接层和分类数相匹配,两层全连接层中间加Dropout层,按比例丢弃神经元,抑制过拟合。

model = Sequential()
model.add(Convolution2D(12, kernel_size=5, activation='relu', strides=1,
                        padding='same', input_shape=(28, 28, 1)))
model.add(MaxPooling2D(pool_size=2, strides=2, padding
评论 3
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