php中文网 | cnphp.com

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
查看: 417|回复: 0

基于python的卷积神经网络手写数字识别

[复制链接]

2572

主题

2579

帖子

9100

积分

管理员

Rank: 9Rank: 9Rank: 9

UID
1
威望
0
积分
6406
贡献
0
注册时间
2021-4-14
最后登录
2024-3-28
在线时间
653 小时
QQ
发表于 2022-6-8 21:59:51 | 显示全部楼层 |阅读模式
[mw_shl_code=python,true]import numpy as np
# 从keras的datasets导入数据集
from keras.datasets import mnist
# 全连接层,卷积层,池化层,扁平化,随机关闭神经元
from keras.layers import Dense,Dropout,MaxPool2D,Flatten,Convolution2D
#标签格式转化
from keras.utils import np_utils
# 导入顺序结构
from keras.models import Sequential
#导入Adma优化函数
from tensorflow.keras.optimizers import Adam

# 载入tf自带数据,得到训练集的数据和测试集的数据
(x_train, y_train), (x_test, y_test) = mnist.load_data()
'''x_train:60000X28X28;x_test:10000X28X28;y_train:1X60000;y_test:1X10000'''
'''
    -1是自动匹配数据的个数60000,长宽深度分别28,28,1,再归一化
'''
x_train = x_train.reshape(-1,28,28,1) / 255.0
x_test = x_test.reshape(-1,28,28,1) / 255.0
# 转换为 one hot 格式
'''这里使用的numpy下的untils中的to_categorical方法把标签数据给分类
因为有10个数字,所以设置num_classes为10,也就是10个类'''
y_train = np_utils.to_categorical(y_train, num_classes=10)
y_test = np_utils.to_categorical(y_test, num_classes=10)

# 创建模型
model = Sequential()
#定义卷积核
model.add(Convolution2D(
    input_shape=(28,28,1),#输入平面大小
    filters=32,#卷积核大小
    kernel_size=5,#卷积窗口大小为5
    strides=1,#步长为1
    padding='same',#边缘补0是same,不补零是valid
    activation='relu'#激活函数
))
#定义第一个池化层
model.add(MaxPool2D(
    pool_size=2,#池化窗口大小
    strides=2,#步长为2
    padding='same'
))
#第二个卷积层
model.add(Convolution2D(64,5,strides=1,padding='same',activation='relu'))
#第二个池化层
model.add(MaxPool2D(2,2,'same'))
#将输出扁平化
model.add(Flatten())
#第一个全连接层
model.add(Dense(1024,activation='relu'))
#Drop,百分之50关闭神经元
model.add(Dropout(0.5))
#第二个全连接层
model.add(Dense(10,activation='softmax'))
# 定义优化器
adam = Adam(learning_rate=1e-4)
# 定义优化器以及loss function即损失函数,训练过程中计算准确率
model.compile(
    optimizer=adam,  # 使用的优化函数
    loss='categorical_crossentropy',
    metrics=['accuracy']  # 计算准确率
)

# 训练模型,使用训练集
'''batch_size=64表示每次会训练64张图片,把60000张图片训练完为1个周期
epochs是迭代周期,所以这里设置要训练完10个周期'''
model.fit(x_train, y_train, batch_size=64, epochs=10)

# 评估模型,使用测试集
loss, accuracy = model.evaluate(x_test, y_test)

# 打印loss和accuracy的值
print('loss:', loss)
print('accuracy:', accuracy)
[/mw_shl_code]





上一篇:IIC驱动代码
下一篇:matlab语音信号分类
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|php中文网 | cnphp.com ( 赣ICP备2021002321号-2 )51LA统计

GMT+8, 2024-3-29 07:53 , Processed in 0.181997 second(s), 36 queries , Gzip On.

Powered by Discuz! X3.4 Licensed

Copyright © 2001-2020, Tencent Cloud.

申明:本站所有资源皆搜集自网络,相关版权归版权持有人所有,如有侵权,请电邮(fiorkn@foxmail.com)告之,本站会尽快删除。

快速回复 返回顶部 返回列表