Keras CNN卷积神经网络(三)
来源:互联网 发布:折弯机模具规格算法 编辑:程序博客网 时间:2024/05/17 06:53
导入所需要的lib:
import numpy as npfrom keras.datasets import mnistfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.optimizers import Adamfrom keras.layers import Dense,Activation,Convolution2D,MaxPooling2D,Flatten,Dropout
设置随机种子:
np.random.seed(1337) #设置随机种子
加载数据:
(x_train,y_train),(x_test,y_test)=mnist.load_data() #加载数据
数据预处理:
#数据预处理X_train=x_train.reshape(-1,28,28,1) # (n,单色道,28,28)X_test=x_test.reshape(-1,28,28,1) Y_train=np_utils.to_categorical(y_train,num_classes=10)Y_test=np_utils.to_categorical(y_test,num_classes=10)
标准化:
# 将X_train, X_test的数据格式转为float32X_train = X_train.astype('float32')X_test = X_test.astype('float32')# 归一化X_train /= 255X_test /= 255
#建模model =Sequential()
建层:
#卷积 1层model.add(Convolution2D( filters=32, # 32个滤波器 -》生成 32深度 kernel_size=3, # 滤波器窗口 大小(3,3) strides=1, padding='same', # 过滤模式# activation='relu', # 激活函数 (可以在这里写) input_shape=(28,28,1), # 输入形状 就是 图片形状))model.add(Activation('relu')) #激活函数
#池化 1层model.add(MaxPooling2D( pool_size=(2, 2), # 池化扫描 窗口 大小 strides=2, # 扫描窗口 每次 移动的步长 2 padding='same' #默认 是 valid))
#卷积 2层model.add(Convolution2D( filters=64, # 64个滤波器 -》生成 64深度 kernel_size=3, # 滤波器窗口 大小(3,3) padding='same', # 过滤模式 activation='relu', # 激活函数 (可以在这里写)))
#池化 2层model.add(MaxPooling2D( pool_size=(2, 2), # 池化扫描 窗口 大小 strides=2, padding='same', #默认 是 valid))model.add(Dropout(0.25)) #防止过拟合
#扁平化model.add(Flatten())
#全连接model.add(Dense(128))model.add(Activation('relu'))model.add(Dropout(0.5))model.add(Dense(10))model.add(Activation('softmax'))
#自己定义 优化器adam=Adam(lr=1e-4)# 输出模型的参数信息model.summary()
#搭建模型model.compile(optimizer='Adam',loss='categorical_crossentropy',metrics=['accuracy'])
训练:
model.fit(X_train,Y_train,epochs=1,batch_size=32)#评估loss,accuracy=model.evaluate(X_test,Y_test)print(loss)print(accuracy)
结果:
10000/10000 [==============================] - ETA: 0s0.04540921718110.9847
阅读全文
0 0
- Keras CNN卷积神经网络(三)
- Keras上实现卷积神经网络CNN
- (CNN)卷积神经网络(三)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- CNN(卷积神经网络)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- 卷积神经网络(CNN)
- Deeplearning4j 实战 (12):Mnist替代数据集Fashion Mnist在CNN上的实验及结果
- Incorrect column count: expected *, actual *
- 【头条】思科:不想让别人动你的奶酪?那就享受变化吧!
- Net-snmp总结(三)-net-snmp的MIBs扩展_添加get
- 夫妻吵架还可以吵得这么优雅,这18个字我们一起学习,共勉
- Keras CNN卷积神经网络(三)
- 拿房时需要交哪些费用,具体要交多少钱
- 手把手教你快速搞定京东APP设置页面布局
- 世上最好的抉择,莫过于把眼前的事情做好
- 毕业7年,我才真正明白这两个道理
- 移动开发者进入寒冬?开发者如何形成个人方法体系
- 对JSON数据的{}取出,填数据
- 测试python计算MD5和CRC的速度
- Troubleshooting Citrix XenDesktop.pdf 英文原版 免费下载