15 手寫數字識別 小資料集

1.手寫數字資料集

from sklearn.datasets import

load_digits
digits = load_digits()

3.設計卷積神經網路結構

4.模型訓練

#

訓練模型
import
matplotlib.pyplot as plt
model.compile(loss='
categorical_crossentropy
',optimizer='
adam
',metrics=['
accuracy
']) #
優化器optimizer='adam'
#每次利用256進行測試,0.2用於驗證
#epochs 設定訓練次數
train_history = model.fit(x=x_train,y=y_train,
validation_split=0.2,
batch_size=256,
epochs=10,verbose=2)
score = model.evaluate(x_test,y_test) #
模型自動評估
#**值
y_pred =model.predict_classes(x_test)
print
(y_pred)
#觀察訓練引數視覺化
defshow_train_history(train_histoty, train, validataion):
plt.plot(train_history.history[train])
plt.plot(train_history.history[validataion])
plt.title(
'train history')
plt.ylabel(
'train')
plt.xlabel(
'epoch')
plt.legend([
'train
', '
validation
'], loc='
upper left')
plt.show()
#準確率
show_train_history(train_history, '
accuracy
', '
val_accuracy')
#損失率
準確率
損失率
5.模型評價
 
15 手寫數字識別 小資料集
1.手寫數字資料集 from sklearn.datasets import load digits digits load digits 2.資料預處理 x data digits.data.astype np.float32 scale minmaxscaler x data scale.fit...
15 手寫數字識別 小資料集
1.手寫數字資料集 2.資料預處理 3.設計卷積神經網路結構 設計卷積神經網路結構 model sequential ks 3,3 卷積核的大小 input shape x train.shape 1 model.add conv2d filters 16,kernel size ks,paddin...
15 手寫數字識別 小資料集
1.手寫數字資料集 2.資料預處理 from sklearn.datasets import load digits from sklearn.preprocessing import minmaxscaler from sklearn.preprocessing import onehotenco...