利用Keras搭建Lenet网络

最新推荐文章于 2022-07-07 21:34:30 发布

原创

最新推荐文章于 2022-07-07 21:34:30 发布 · 1.9k 阅读

6 ·

CC 4.0 BY-SA版权

本文介绍如何利用Keras搭建LeNet网络进行手写识别，详细讲解了从导入库、准备数据到构建模型及运行的步骤，最终实现99.5%的识别准确率。同时，文章还分享了计算层间输出形状的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述

LeNet网络是比较入门的网络，我们今天利用Keras来搭建一个LeNet网络.话不多说，来点干货。。

步骤一：导入相应的库

from keras.models import Sequential
from keras.layers import Dense,Flatten,Dropout
from keras.layers.convolutional import Conv2D,MaxPooling2D
from keras.utils.np_utils import to_categorical
from keras.datasets import mnist
from keras.utils import plot_model
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
from sklearn.model_selection import KFold

步骤二：加载和准备数据集

dataset=mnist.load_data()   
(X_train,Y_train),(X_test,Y_test)=dataset
X_train=X_train.reshape(-1,28,28,1)
X_test=X_test.reshape(-1,28,28,1)   #[None,width,height,channels]
Y_train=to_categorical(Y_train,num_classes=10)
Y_test=to_categorical(Y_test,num_classes=10)  #这里是将数字转换为one-hot编码