环境: Ubuntu 18.04, tensorflow 2.4.1

mnist是Yann Lecun大神的手写数据,数据中的数字都是28X28的图像,每个像素点是[0-255]的值

其中训练数据为60000,测试数据为10000

打印出数字看一下

def show_mnist(images, labels):n = 5m = 5for i in range(n):for j in range(m):plt.subplot(n, m, i*n+j+1)index = i*n+jarray = images[index]plt.title(labels[index])plt.imshow(array, cmap='Greys')plt.show()

准备数据

因为数据是三维的, (60000,28,28),但是我们构建的网络是

# 200 个 epoch
EPOCH = 200
BATCH_SIZE = 128
VERBOSE = 1
# 需要把图像二位数据压缩为一维数据
RESHAPED = 784 # 28*28
# 数字分类类别  0~9 一共10个
NUM_CLASSES = 10# 载入数据,第一次使用时,会稍微花点时间下载
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()# 将图像二维数据压缩为一维,同时将数据转为浮点型
x_train = x_train.reshape(60000, RESHAPED).astype('float32')
x_test = x_test.reshape(10000, RESHAPED).astype('float32')# normalization
# 如果数据不做归一化,其实训练也可以进行,但是会影响最终的loss
x_train /= 255
x_test /= 255# 将label的数字 0~9 转为hothot
y_train = tf.keras.utils.to_categorical(y_train, NUM_CLASSES)
y_test = tf.keras.utils.to_categorical(y_test, NUM_CLASSES)

构建网络

使用最简单的一层网络

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(NUM_CLASSES, input_shape=(RESHAPED,), activation='softmax'))
model.summary()

训练

## compile network
model.compile(loss=tf.keras.losses.categorical_crossentropy, optimizer='adam', metrics=['accuracy'])
history = model.fit(x_train, y_train, batch_size=BATCH_SIZE, epochs=EPOCH, verbose=VERBOSE)## validation  92.36
val_loss,val_acc = model.evaluate(x_test, y_test, verbose=VERBOSE)
print("Test loss: ", val_loss)
print("Test accuracy: ", val_acc)

完成代码

import tensorflow as tf
import matplotlib.pyplot as plt
# from PIL import ImageEPOCH = 200
BATCH_SIZE = 128
VERBOSE = 1
RESHAPED = 784 # 28*28
NUM_CLASSES = 10def show_mnist(images, labels):n = 5m = 5for i in range(n):for j in range(m):plt.subplot(n, m, i*n+j+1)index = i*n+jarray = images[index]plt.title(labels[index])plt.imshow(array, cmap='Greys')plt.show()(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()print('training images data shape:', x_train.shape)
print('training labels data shape:', y_train.shape)
print('testing images data shape:', x_test.shape)
print('testing labels data shape:', y_test.shape)#show_mnist(x_train, y_train)x_train = x_train.reshape(60000, RESHAPED).astype('float32')
x_test = x_test.reshape(10000, RESHAPED).astype('float32')# normalization
x_train /= 255
x_test /= 255#
y_train = tf.keras.utils.to_categorical(y_train, NUM_CLASSES)
y_test = tf.keras.utils.to_categorical(y_test, NUM_CLASSES)# train_labels = train_labels.reshape(60000, RESHAPED)## build network
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(NUM_CLASSES, input_shape=(RESHAPED,), activation='softmax'))
model.summary()## compile network
model.compile(loss=tf.keras.losses.categorical_crossentropy, optimizer='adam', metrics=['accuracy'])
history = model.fit(x_train, y_train, batch_size=BATCH_SIZE, epochs=EPOCH, verbose=VERBOSE)## validation  92.36
val_loss,val_acc = model.evaluate(x_test, y_test, verbose=VERBOSE)
print("Test loss: ", val_loss)
print("Test accuracy: ", val_acc)

训练结果

mnist学习实例(1)相关推荐

mnist学习实例(2)
环境: Ubuntu 18.04, tensorflow 2.4.1 该版本是全连接网络的优化版本,采用了卷积神经网络,参考. 可以看到BATCH_SIZE没有改动,而EPOCH明显减少. 但是EPO ...
涵盖 14 大主题！最完整的 Python 学习实例集来了！
机器学习.深度学习最简单的入门方式就是基于 Python 开始编程实战.最近闲逛 GitHub,发现了一个非常不错的 Python 学习实例集,完全是基于 Python 来实现包括 ML.DL 等领域 ...
ajax请求返回json实例,Jquery Ajax 学习实例2 向页面发出请求返回JSon格式数据
一.AjaxJson.aspx 处理业务数据,产生JSon数据,供JqueryRequest.aspx调用,代码如下: protected void Page_Load(object sender, ...
php实训总结00字,说明的比较细的php 正则学习实例
说明的比较细的php 正则学习实例 "^The": 匹配以 "The"开头的字符串; "of despair$": 匹配以 "of ...
深度学习之生成对抗网络（1）博弈学习实例
深度学习之生成对抗网络(1)博弈学习实例博弈学习实例在生成对抗网络(Generative Adversarial Network,简称GAN)发明之前,变分自编码器被认为是理论完备,实现简单, ...
从入门到入土：Python爬虫学习|实例练手|爬取猫眼榜单|Xpath定位标签爬取|代码
此博客仅用于记录个人学习进度,学识浅薄,若有错误观点欢迎评论区指出.欢迎各位前来交流.(部分材料来源网络,若有侵权,立即删除) 本人博客所有文章纯属学习之用,不涉及商业利益.不合适引用,自当删除! 若 ...
从入门到入土：Python爬虫学习|实例练手|爬取百度翻译|Selenium出击|绕过反爬机制|
此博客仅用于记录个人学习进度,学识浅薄,若有错误观点欢迎评论区指出.欢迎各位前来交流.(部分材料来源网络,若有侵权,立即删除) 本人博客所有文章纯属学习之用,不涉及商业利益.不合适引用,自当删除! 若 ...
从入门到入土：Python爬虫学习|实例练手|爬取新浪新闻搜索指定内容|Xpath定位标签爬取|代码注释详解
此博客仅用于记录个人学习进度,学识浅薄,若有错误观点欢迎评论区指出.欢迎各位前来交流.(部分材料来源网络,若有侵权,立即删除) 本人博客所有文章纯属学习之用,不涉及商业利益.不合适引用,自当删除! 若 ...
从入门到入土：Python爬虫学习|实例练手|爬取百度产品列表|Xpath定位标签爬取|代码注释详解
此博客仅用于记录个人学习进度,学识浅薄,若有错误观点欢迎评论区指出.欢迎各位前来交流.(部分材料来源网络,若有侵权,立即删除) 本人博客所有文章纯属学习之用,不涉及商业利益.不合适引用,自当删除! 若 ...

mnist学习实例(1)

准备数据

构建网络

训练

完成代码

训练结果

mnist学习实例(1)相关推荐

最新文章

热门文章