深度学习---以识别数字为例

# 首先认识一下 mnist数据集
"""
深度学习的一般步骤
1.处理数据 并将数据处理成合适的格式
2.按照自己的设计搭建神经网络
3.设定合适的参数训练神经网络
4.在测试集上评价训练效果
"""
from keras.utils import to_categorical
# to_categorical方法是为了将数字转换成独热变量 独热变量就是将变量编码成只含有一个1，其余均为0的向量
from keras import models, layers, regularizers
# 模型 层数 正则器->用于防止过拟合
from keras.optimizers import RMSprop
# 优化器
from keras.datasets import mnist
# mnist 为包含数字图片的数据集
import matplotlib.pyplot as plt
#  matplotlib 为画图的包

# 加载数据集
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
# 实质上返回的是一个数组
print(train_images.shape, test_images.shape)
# 输出数组的形状
print(train_images[0])
# 输出图片的编码
print(train_labels[0])
plt.imshow(train_images[0])
# 画出图片
plt.show()