liyihao17的博客

注意使用模型的保存和载入务必确保安装了h5py 如果没有安装的请运行pip3 install h5py 一、模型的保存 model.save('RNN_mnist.h5') 将模型保存为RNN_mnist.h5文件中 二、模型的载入 model_new = keras.models.load_model('RNN_mnist.h5') ...

一、使用RNN模型识别手写图片 RNN是一个处理序列比较好的模型，这里用来处理手写图片，仅仅是为了试试手 二、代码分析 1、导入相关模块 import numpy as np import matplotlib.pyplot as plt from tensorflow import keras import tensorflow as tf 2、定义数据格式 #数据长度——一行有...

一、使用CNN进行mnist手写图片识别 卷积神经网络在图片的处理效果比较好 这里构建了一个卷积层->池化层->卷基层->池化层->全连接层->输出层的网络结构，识别效果高达99%以上 二、代码分析 1、导入相关模块 import numpy as np import matplotlib.pyplot as plt from tensorflow imp...

一、使用adm优化器对手写图片进行识别 大多数情况下adm优化器的表现都要比sgd好 二、代码分析 新建一个adm优化器，并且在compile时将优化器参数改成adm adm = keras.optimizers.Adam() model.compile(optimizer=adm,loss='categorical_crossentropy',metrics=['accuracy'])...

一、使用正则化识别mnist手写图片数据集 使用正则化的原因是可以避免过拟合的情况发生 二、代码分析 在建立模型的时候，全连接层的参数kernel_regularizer进行设置，该参数的意思是在权值上设置正则化，此外还有偏置正则化等 #创建模型，输入784个神经元，输出10个神经元 model = keras.Sequential() model.add(keras.layers.De...

一、使用Dropout识别mnist手写图片 1、Dropout是为了能够让一定数量的神经元进入睡眠模式，这样做能够有更好的识别准确率 二、代码分析 修改模型相关代码 #创建模型，输入784个神经元，输出10个神经元 model = keras.Sequential() model.add(keras.layers.Dense(200,input_dim=784)) model.add(...

一、使用交叉熵 交叉熵是一种损失函数，在这个手写图片分类程序中，之前使用的是mse作为损失函数，现在我们将损失函数修改成交叉熵，再看看结果 二、代码分析 将这一行的代码中的损失函数修改成“categorical_crossentropy” model.compile(optimizer=sgd,loss='categorical_crossentropy',metrics=['accur...

一、分类程序介绍 mnist是一个28x28的图片数据集，训练集中包含60000个图片以供训练，每张图片上都是手写的数字，从0到9，并且每张图片都有自己的标签，因此可以通过训练该数据集，将手写的数字图片进行分类 二、代码解析 1、导入依赖的模块 import numpy as np import matplotlib.pyplot as plt from tensorflow impor...

一、非线性回归模型 数据呈现非线性状，想要预测数据的走向 二、代码分析 1、导入相关模块 import numpy as np import matplotlib.pyplot as plt from tensorflow import keras 2、建立非线性随机数据作为数据集 #建立随机数作为数据集 x_data = np.linspace(-0.5,0.5,200) #从...

本博客现阶段所用的是tensorflow2.0版本，keras已经被集成于其中，所以不同版本的tensorflow可能用法有所不同，但是大同小异。 一、线性回归模型 线性回归大致意思就是根据给出的数据，预测接下来数据的走向，很经典的应用就是预测股票市场之类的，但是注意一般都要求数据呈现线性特征，效果才会好。 二、代码分析 1、导入numpy模块、matplotlib模块、tensorflo...