简单CNN实现手写数字识别

使用简单的Keras 的序贯模型
大的逻辑结构:model = Sequential() -->model.add() -->model.compile()–>model.fit()–>model.evaluate()

model = Sequtntial()没啥好说的了

model.add():
Conv2D()–>MaxPooling2D()–>Dropout() -->Flatten()–>Dense()

Conv2D():
卷积核数目,kernel_size,activation,input_shape(第一层要)
32,(3,3),‘relu’,input_shape(大段代码: ‘mnist.npz’ (到这步之前以后也要拓展)–>load进来–>reshape–>astype–> /=255–>keras.utils.to_categorical–>得到最终的(x_train, y_train), (x_test, y_test))
input_shape = (img_rows,img_cols,1) if ‘channels last’ (图像的行数,图像的列数,图像的通道数)

**总结:**activation = ‘softmax’ 只用于最后一层全连接层,卷积层一般用relu
送入全连接层之前要加一层Flatten()

model.compile():
loss —>optimizer —>metrics
keras.losses.categroical_crossentropy ,keras.optimizers.Adadleta(),[‘accuracy’]

model.fit():
x_train,y_train -->batch_

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值