keras CNN实现

使用Keras实现CNN教程

最新推荐文章于 2023-04-25 14:43:03 发布

原创

最新推荐文章于 2023-04-25 14:43:03 发布 · 328 阅读

0 ·

CC 4.0 BY-SA版权

这篇博客介绍了如何在不进行数据归一化的前提下，利用Keras构建并训练一个卷积神经网络（CNN）。博主通过`model.summary()`展示网络结构，并展示了使用训练好的模型进行预测的例子，验证了模型的预测结果与实际标签相符。

1、说明

训练数据没有进行归一化处理，x_train,y_train都没有除以255

2、查看网络结构

model.summary() 命令查看网络结构
在这里插入图片描述

3、代码实现

import numpy as np
from keras import Sequential
from keras.datasets import mnist
from keras.layers import Dense,Convolution2D,MaxPooling2D,Flatten
from keras.optimizers import Adam
from keras.utils import np_utils
(x_train,y_train),(x_test,y_test)=mnist.load_data()
x_train=x_train.reshape((x_train.shape[0],28,28,1))#将（60000,28,28）变为（6000,28，28,1）
print(x_train.shape)#打印一下形状,这里的数据没有进行归一化处理
x_test=x_test.reshape((x_test.shape[0],28,28,1))
y_train=np_utils.to_categorical(y_train,num_classes=10)
y_test=np_utils.to_categorical(y_test,num_classes=10)
model=Sequential()
model.add(Convolution2D(filters=32,kernel_size=5,strides=1,padding="same",
                        activation="relu"))#使用32个滤波器，滤波器大小