Keras 入门——实现全连接和简单卷积网络

最新推荐文章于 2024-01-09 12:10:29 发布

Mereder

最新推荐文章于 2024-01-09 12:10:29 发布

阅读量5.5k

点赞数 1

本文链接：https://blog.youkuaiyun.com/xushibi4580/article/details/90354484

版权

前言

MNIST 数字识别问题的全连接实现和LeNet-5实现。Keras是目前最为广泛的深度学习工具之一，底层可以支持Tensorflow、MXNet、CNTK、Theano。通过Keras我们深度学习过程基本可以简化为：数据处理、模型定义、模型训练。

tensorflow版本： 1.13.1
Keras版本：2.2.4
运行环境：Google CoLab（推荐大家去用下）

全连接实现

样例来自于Tensorflow官方。
导入需要的包

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf

数据处理

加载MNIST数据集，其中每张图片是28*28，每个点位的值是0-255.
将样本的数据从整型转换为浮点数

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
# print(x_train[0]) 载入的是 0-255  的  28*28的图片
x_train, x_test = x_train / 255.0, x_test / 255.0
# print(x_train[0]) 的值为  0-1 加速后期优化

Downloading data from https://s3.amazonaws.com/img-datasets/mnist.npz
11493376/11490434 [==============================] - 135s 12us/step

模型定义

建立Keras模型，通过一层一层的叠加

model = tf.keras.models.Sequential([
  # Flatten 变成784 的输入
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  # 512的全连接层 
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  # droput 0.2