MNIST手写数字识别_MLP04

最新推荐文章于 2024-02-12 15:00:00 发布

派森歪瑞古德

最新推荐文章于 2024-02-12 15:00:00 发布

阅读量199

点赞数

分类专栏：基于keras的Python实践文章标签：神经网络 python 深度学习

本文链接：https://blog.youkuaiyun.com/qq_43533724/article/details/118763558

版权

MNIST手写数字识别_MLP

其实现在很多的代码都是重复的了哦。

加载数据集得到训练集和测试集：

mnist = input_data.read_data_sets('D:\pythonProject1\MNIST\MNIST_data',one_hot=True) # 热编码
train_X = mnist.train.images
train_Y = mnist.train.labels
test_X = mnist.test.images
test_Y = mnist.test.labels

数据归一化处理：

#数据归一化 min-max 标准化
train_X /= 255
test_X /= 255

构建模型（最重要呀）：

def create_model():
    # 定义多层感知机模型
    # 一共有三个卷积层，前两个卷积层的激活函数为relu，最后一个卷积层的激活函数为softmax
    model = Sequential()
    model.add(Dense(512, input_shape=(784,)))
    model.add(Activation('relu'))

    model.add(Dense(512))
    model.add(Activation('relu'))

    model.add(Dense(10))
    model.add(Activation('softmax'))

    # 编译模型
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model
    
model = create_model()

训练模型：

# 训练模型，保存到history中
history = model.fit(train_X,
                    train_Y,
                    batch_size=128,
                    epochs=10,
                    verbose=2, # 日志输出的复杂度
                    validation_data=(test_X, test_Y))

print