深度学习tensorflow基础mnist

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

1. 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
2. 安装方式也很简答，例如：pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
3. 注意tensorflow版本不能是2.x

使用说明

1. 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
2. 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
3. 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！