手写cnn(class)

最新推荐文章于 2025-05-14 22:40:10 发布

step step

最新推荐文章于 2025-05-14 22:40:10 发布

阅读量413

点赞数

CC 4.0 BY-SA版权

分类专栏： mask-rcnn 文章标签： cnn

本文链接：https://blog.youkuaiyun.com/weixin_42618420/article/details/89925547

mask-rcnn 专栏收录该内容

21 篇文章

订阅专栏

博客虽未给出具体内容，但从标签可知与CNN（卷积神经网络）相关。CNN是人工神经网络与计算领域的重要技术，在图像识别、目标检测等诸多领域有广泛应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from keras.datasets import mnist
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers import Convolution2D,Activation,MaxPool2D,Flatten,Dense
#下载数据,数据归一化
(x_train,y_train),(x_test,y_test) = mnist.load_data()
x_train = x_train.reshape(x_train.shape[0],1,28,28) / 255#1是通道,黑白照片,28*28维度
x_test = x_test.reshape(x_test.shape[0],1,28,28) / 255
y_train = np_utils.to_categorical(y_train,num_classes=10)#ones-hot
y_test = np_utils.to_categorical(y_test,num_classes=10)
#构建模型
model = Sequential()
#往模型中添加层
model.add(Convolution2D(
    batch_input_shape=(None,1,28,28),#第一层需要定义输入维度
    filters = 32,#输出的维度,即滤波器的个数
    kernel_size= 5,#滤波器的大小
    strides= 1,#步长
    padding= 'same',padding method
    #data_format='channels_first',
))
model.add(Activation('relu'))
model.add(MaxPool2D(
    pool_size=2,
    strides=2,
    padding='same',

))
#(32,1,14,14)
model.add(Convolution2D(
    filters=64,
    kernel_size=5,
    strides=1,
    padding = 'same'
))
model.add(Activation('relu'))
model.add(MaxPool2D(
    pool_size=2,
    strides=2,
    padding='same'

))
model.add(Flatten())
model.add(Dense(1024))
model.add(Activation('relu'))
model.add(Dense(10))
model.add(Activation('softmax'))

#激活模型
model.compile(optimizer='rmsprop',
              loss='categorical_crossentropy',
              metrics=['accuracy'])
#训练
model.fit(x_train,y_train,batch_size=32,epochs=2)
#测试
loss, accuracy = model.evaluate(x_test,y_test)
print('\nloss:',loss,'\naccuracy:',accuracy)

result:
 9984/10000 [============================>.] - ETA: 0s
loss: 0.07367892188186524 
accuracy: 0.98

Process finished with exit code 0