飞桨day-01手写数字识别实践（使用卷积神经网络）

最新推荐文章于 2022-10-28 22:10:09 发布

原创

最新推荐文章于 2022-10-28 22:10:09 发布 · 910 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

本文介绍了使用飞桨框架的高层API实现手写数字识别的步骤，包括数据加载预处理、模型开发、模型结构可视化、模型评估测试与部署。在模型优化后，达到99%以上的训练和评估准确率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

day-01高层API手写数字识别实践（使用卷积神经网络）

AI Studio项目地址：https://aistudio.baidu.com/aistudio/projectdetail/1504778

在这里插入图片描述

一、导入相关库

import paddle
import numpy as np
import matplotlib.pyplot as plt

paddle.__version__  # 查看paddle版本

二、数据准备

1、数据加载和预处理

import paddle.vision.transforms as T

# 数据的加载和预处理
transform = T.Normalize(mean=[127.5], std=[127.5])

# 训练数据集
train_dataset = paddle.vision.datasets.MNIST(mode='train', transform=transform)

# 评估数据集
eval_dataset = paddle.vision.datasets.MNIST(mode='test', transform=transform)

print('训练数据集样本数: {}， 验证数据集样本数: {}'.format(len(train_dataset), len(eval_dataset)))

2、数据集查看

print('图片')
print(type(train_dataset[120][0]))
print(train_dataset[120][0])
print('标签')
print(type(train_dataset[120][1]))
print(train_dataset[120][1])

# 可视化展示
# print(train_dataset[120][0].shape)  # (-1, 28, 28)
plt.figure()
plt.imshow(train_dataset[120][0].reshape([28, 28]), cmap=plt.<