keras实现手写字体识别

最新推荐文章于 2025-06-15 10:10:29 发布

原创

最新推荐文章于 2025-06-15 10:10:29 发布 · 2.3k 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #神经网络 #手写体识别 #keras

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

losses损失函数
optimizers优化目标函数，比如SGD
datasets常用数据集，比如mnist
models序贯模型，比如Sequential
layers神经网络中的层，比如全连接层Dense
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