keras 入门 --手写数字识别

最新推荐文章于 2021-11-19 16:16:58 发布

xckkcxxck

最新推荐文章于 2021-11-19 16:16:58 发布

阅读量973

点赞数 1

CC 4.0 BY-SA版权

分类专栏： keras 文章标签： python 深度学习

本文链接：https://blog.youkuaiyun.com/xckkcxxck/article/details/78587592

keras 专栏收录该内容

4 篇文章

订阅专栏

本文介绍使用Keras搭建一个简单的全连接神经网络，用于MNIST数据集的手写数字识别任务。通过加载MNIST数据集并对其进行预处理，然后定义了一个包含两层隐藏层的神经网络模型，并使用RMSprop作为优化器进行训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

深度学习keras库中的helloworld：

#
#搭建一个简单的全连接神经网络，用于手写数字识别
#

from keras.layers import Input,Dense
from keras.models import Model
from keras.datasets import mnist
from keras.utils import np_utils    

(X_train,y_train),(X_test,y_test) = mnist.load_data()
X_train = X_train.reshape(X_train.shape[0],784).astype('float32')
X_test = X_test.reshape(X_test.shape[0],784).astype('float32')
y_train = np_utils.to_categorical(y_train)
y_test = np_utils.to_categorical(y_test)

input = Input(shape=(784,))
x = Dense(64, activation='relu')(input)
x = Dense(64, activation='relu')(x)
output = Dense(10, activation='softmax')(x)


model = Model(inputs=input, outputs=output)
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', 
              metrics=['accuracy'])
model.fit(X_train, y_train)