软件架构
mnist数据集的识别使用了两个非常小的网络来实现,第一个是最简单的全连接网络,第二个是卷积网络,mnist数据集是入门数据集,所以不需要进行图像增强,或者用生成器读入内存,直接使用简单的fit()命令就可以一次性训练
安装教程
- 使用到的主要第三方库有tensorflow1.x,基于tensorflow的keras,基础的库包括numpy,matplotlib
- 安装方式也很简答,例如:pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
- 注意tensorflow版本不能是2.x
使用说明
- 首先,我们预览数据集,运行mnistplt.py,绘制了4张训练用到的图像
- 训练全连接网络则运行densemnist.py,得到权重dense.h5,加载模型并预测运行denseload.py
- 训练卷积网络则运行cnnmnist.py,得到权重cnn.h5,加载模型并预测运行cnnload.py
结果图
训练过程注释
全连接网络训练:
cnn训练:
到此这篇关于mnist的文章就介绍到这了,希望可以帮到你们,更多相关深度学习内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章,希望大家以后多多支持www.887551.com!
黄山市民网:https://www.huangshanshimin.com/