1.卷积神经网络入门-训练手写体识别
文章目录
- 前言
- 一、代码和运行结果
- 二、图例解读代码过程
- 总结
前言
笔者权当做笔记,借鉴的是《Python 深度学习》这本书,里面的代码也都是书上的代码,用的是jupyter notebook 编写代码。今天正式接触卷积神经网络。
一、代码和运行结果
import keras
from keras import layers
from keras import models
from keras.datasets import mnist
from keras.utils import to_categoricalmodel = models.Sequential()model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))(train_images, train_labels), (test_images, test_labels) = mnist.load_data()train_images = train_images.reshape((60000, 28, 28, 1))
train_images = train_images.astype('float32') / 255test_images = test_images.reshape((10000, 28, 28, 1))
test_images = test_images.astype('float32') / 255train_labels = to_categorical(train_labels)
test_labels = to_categorical(test_labels)model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])h = model.fit(train_images, train_labels, epochs=5, batch_size=64)test_loss, test_acc = model.evaluate(test_images, test_labels)
print(test_acc)
二、图例解读代码过程
以下是我个人理解的手写辨识的代码理解。
网络的架构是:
个人图示:
总结
刚刚接触的卷积神经网络,MNIST数字识别算得上是卷积神经网络中的“Hello World”;我也仔细阅读了《Python 深度学习》这本书有关这方面的内容,真心不错!当作笔记,记录美好生活(唉昨天原神小保底出了个地卢克),向前冲!
1.卷积神经网络入门-训练手写体识别相关推荐
- python神经网络案例——CNN卷积神经网络实现mnist手写体识别
分享一个朋友的人工智能教程.零基础!通俗易懂!风趣幽默!还带黄段子!大家可以看看是否对自己有帮助:点击打开 全栈工程师开发手册 (作者:栾鹏) python教程全解 CNN卷积神经网络的理论教程参考 ...
- 深度学习(四)卷积神经网络入门学习(1)
卷积神经网络入门学(1) 原文地址:http://blog.csdn.net/hjimce/article/details/47323463 作者:hjimce 卷积神经网络算法是n年前就有的算法,只 ...
- 无人驾驶汽车系统入门(十二)——卷积神经网络入门,基于深度学习的车辆实时检测
无人驾驶汽车系统入门(十二)--卷积神经网络入门,基于深度学习的车辆实时检测 上篇文章我们讲到能否尽可能利用上图像的二维特征来设计神经网络,以此来进一步提高识别的精度.在这篇博客中,我们学习一类专门用 ...
- 特征匹配实现印刷体数字识别,卷积神经网络实现印刷体数字识别
特征匹配实现印刷体数字识别,卷积神经网络实现印刷体数字识别(很可靠) 1.印刷体数字识别(特征匹配) 1.首先需要了解为什么印刷体数字识别我使用的是特征匹配的方法,我起初也走了很多的坑,当初固执的识别 ...
- 基于深度卷积神经网络的农作物病害识别
基于深度卷积神经网络的农作物病害识别 1.研究思路 运用深度学习的方法,基 于ResNet-50以及 InceptionV3.MobileNet等神经网络,并在这些基础结构上改进部分模型.该研 究主要 ...
- 基于深度卷积神经网络的玉米病害识别
基于深度卷积神经网络的玉米病害识别 1.研究思路 算法模型是先将图像预处理,应用Tripletloss双卷积神经网络结构学习玉米图像特征,再使用SIFT算法提取图像纹理细节,最后通Softmax对图像 ...
- python神经网络案例——FC全连接神经网络实现mnist手写体识别
全栈工程师开发手册 (作者:栾鹏) python教程全解 FC全连接神经网络的理论教程参考 http://blog.csdn.net/luanpeng825485697/article/details ...
- TensorFlow 卷积神经网络之猫狗识别(二)
本文是TensorFlow 卷积神经网络之猫狗识别 的姊妹篇,是加载上一篇博客训练好的模型,进行猫狗识别 本文逻辑: 我从网上下载了十几张猫和狗的图片,用于检验我们训练好的模型. 处理我们下载的图片 ...
- 2022-05-08 基于卷积神经网络ResNet的车型识别(实验)
人工智能应用--基于卷积神经网络ResNet的车型识别 一.实验目的 熟悉ResNet卷积神经网络 熟悉物体检测+识别的整体流程 二.实验内容与记录 在给定的6类车型图片数据库上,使用ResNet18 ...
最新文章
- boost安装_【环境搭建】源码安装Boost
- Enda 的 2015 下半年读书计划
- 17 个方面,综合对比 Kafka、RabbitMQ、RocketMQ、ActiveMQ
- 台式电脑键盘f1是计算机怎么取消,开机F1怎么取消,教您开机F1怎么取消
- html图片与周围元素边界5px,css3如何将图像设置为元素周围的边框
- 网页解析的全过程(输入url到展示页面)
- xp关无线配置服务器,xp系统怎么关闭无线功能
- java内存泄露有什么后果,Java内存泄露问题是什么?
- 浅谈五大Python Web框架
- 使用Oracle SQL Developer报错:Unable to find a Java Virtual Machine
- python numpy 技巧
- 番外7. 在 Python OpenCV 寻找目标区域以及边缘扩展的解决方案
- 基于SSM的知识库管理系统
- 住宅IP和机房IP有什么区别,爬虫用哪种好?
- 支付分账如何助力B2B大宗商品交易?
- 通过电话拨号上网的家用计算机,拨号上网需计算机、电话线、帐号和()
- 醉林疯的PTA 7-2 换硬币 (20分)
- 什么是项目管理中的里程碑?如何实践?
- 文件下载及解决中文名乱码问题
- tensorflow之constant()函数