keras实现手写字体识别

这篇博客介绍了如何利用keras实现手写数字识别。首先讲解了keras的基础模块,包括损失函数、优化器、数据集等。接着,详细阐述了手写体识别任务,数据的归一化处理以及y标签的转换。然后,构建了一个包含ReLU和Softmax激活函数的神经网络模型,并进行了编译和训练。最后,模型在测试集上的精度达到了94%。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1 本次使用的keras基础模块

  1. losses损失函数
  2. optimizers优化目标函数,比如SGD
  3. datasets常用数据集,比如mnist
  4. models序贯模型,比如Sequential
  5. layers神经网络中的层,比如全连接层Dense
  6. activations激活函数

2 手写体识别

import keras # 导入Keras
from keras.datasets import mnist # 从keras中导入mnist数据集
from keras.models import Sequential # 导入序贯模型
from keras.layers import Dense # 导入全连接层
from keras.optimizers import SGD # 导入优化函数
(x_train, y_train), (x_test, y_test) = mnist.load_data() # 下载mnist数据集
print(x_train.shape,y_train.shape)
print(x_test.shape,y_test.shape)
import matplotlib.pyplot as plt # 导入可视化的包
im = plt.imshow(x_train[0],cmap='gray')

输出结果: 60000张28*28的单通道灰度图
在这里插入图片描述

plt.show()
print (y_train[0])

输出结果:第一个训练集的样子,一个手写的数字5

评论 1
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