搭建簡單模型訓練MNIST資料集

2022-07-01 17:45:12 字數 1624 閱讀 5404

#


-*- coding = utf-8 -*-


#@time : 2021/3/16


#@author : pistachio


#@file : test1.py


#@software : pycharm


#安裝 tensorflow


import


tensorflow as tf


#載入並準備好 mnist 資料集。將樣本從整數轉換為浮點數


mnist =tf.keras.datasets.mnist


(x_train, y_train), (x_test, y_test) =mnist.load_data()


x_train, x_test = x_train / 255.0, x_test / 255.0


#將模型的各層堆疊起來，以搭建 tf.keras.sequential 模型。為訓練選擇優化器和損失函式


model =tf.keras.models.sequential([


tf.keras.layers.flatten(input_shape=(28, 28)),


tf.keras.layers.dense(128, activation='


relu'),


tf.keras.layers.dropout(0.2),


tf.keras.layers.dense(10, activation='


softmax')


])model.compile(optimizer='


adam',


loss='


sparse_categorical_crossentropy',


metrics=['


accuracy'])


#訓練並驗證模型


model.fit(x_train, y_train, epochs=5)


model.evaluate(x_test, y_test, verbose=2)

epoch 1/5


1875/1875 [******************************] - 3s 2ms/step - loss: 0.2942 - accuracy: 0.9143epoch 2/5


1875/1875 [******************************] - 4s 2ms/step - loss: 0.1443 - accuracy: 0.9571epoch 3/5


1875/1875 [******************************] - 3s 2ms/step - loss: 0.1098 - accuracy: 0.9668epoch 4/5


1875/1875 [******************************] - 4s 2ms/step - loss: 0.0896 - accuracy: 0.9726epoch 5/5


1875/1875 [******************************] - 3s 2ms/step - loss: 0.0758 - accuracy: 0.9769


313/313 - 0s - loss: 0.0793 - accuracy: 0.9772process finished with exit code 0

使用matlab訓練mnist模型

前面的博文是通過命令進行mnist模型訓練與測試的，由於實驗需要，想要通過matlab語句來實現mnist模型的訓練，從而把這種方式用於其他問題模型的訓練與測試。1 準備資料與引數 因為matlab程式檔案是在matlab demo下，為了方便，直接把需要的檔案拷貝到demo下 mnist data...

TensorFlow 訓練 MNIST 資料（二）

輸入層 卷積層 卷積層 密集連線層 輸出層。其中每乙個卷積層中還有max pooling，用來進行降維，輸出層中是乙個softmax層。首先這次構建的神經網路相較上篇的神經網路來說，上次的權重矩陣和偏置矩陣直接設定為0，但是存在乙個問題就是容易導致神經元輸出恒為零的情況出現，由於是對稱的容易導致0梯...

Python 簡單模型建立思路

這裡的建模 引入包 設定字符集，防止中文亂碼 讀入資料,檢視資料 異常資料處理標準化 對資料進行訓練集 測試集劃分 再次檢視資料 模型物件建立 模型訓練，輸出相關引數 模型輸出儲存 載入模型 值與實際畫圖比較 這裡面的知識點比較細，可以搜到很多案例。第一次學的話，模型的儲存容易實際在操作的時候出錯。...