环保主题静态网站,量体定制,网络营销的企业有哪些,怎样优化网站关键词Keras易于学习的高级Python库#xff0c;可在TensorFlow框架上运行#xff0c;它的重点是理解深度学习技术#xff0c;如为神经网络创建层#xff0c;以维护形状和数学细节的概念。框架的创建可以分为以下两种类型-
顺序API功能API
无涯教程将使用Jupyter Notebook执行和…
Keras易于学习的高级Python库可在TensorFlow框架上运行它的重点是理解深度学习技术如为神经网络创建层以维护形状和数学细节的概念。框架的创建可以分为以下两种类型-
顺序API功能API
无涯教程将使用Jupyter Notebook执行和显示输出如下所示-
步骤1 - 首先执行数据加载和预处理加载的数据以执行深度学习模型。
import warnings
warnings.filterwarnings(ignore)import numpy as np
np.random.seed(123) # for reproducibilityfrom keras.models import Sequential
from keras.layers import Flatten, MaxPool2D, Conv2D, Dense, Reshape, Dropout
from keras.utils import np_utils
Using TensorFlow backend.
from keras.datasets import mnist# 将预混洗的 MNIST 数据加载到训练和测试集中
(X_train, y_train), (X_test, y_test) mnist.load_data()
X_train X_train.reshape(X_train.shape[0], 28, 28, 1)
X_test X_test.reshape(X_test.shape[0], 28, 28, 1)
X_train X_train.astype(float32)
X_test X_test.astype(float32)
X_train / 255
X_test / 255
Y_train np_utils.to_categorical(y_train, 10)
Y_test np_utils.to_categorical(y_test, 10)
可以将该步骤定义为Import libraries and Modules这意味着所有库和模块都将作为初始步骤导入。
步骤2 - 在这一步中无涯教程将定义模型架构-
model Sequential()
model.add(Conv2D(32, 3, 3, activation relu, input_shape (28,28,1)))
model.add(Conv2D(32, 3, 3, activation relu))
model.add(MaxPool2D(pool_size (2,2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation relu))
model.add(Dropout(0.5))
model.add(Dense(10, activation softmax))
步骤3 - 现在让编译指定的模型-
model.compile(losscategorical_crossentropy, optimizeradam, metrics[accuracy])
步骤4 - 现在将使用训练数据拟合模型-
model.fit(X_train, Y_train, batch_size32, epochs10, verbose1)
创建的迭代的输出如下-
Epoch 1/10 60000/60000 [] - 65s -
loss: 0.2124 -
acc: 0.9345
Epoch 2/10 60000/60000 [] - 62s -
loss: 0.0893 -
acc: 0.9740
Epoch 3/10 60000/60000 [] - 58s -
loss: 0.0665 -
acc: 0.9802
Epoch 4/10 60000/60000 [] - 62s -
loss: 0.0571 -
acc: 0.9830
Epoch 5/10 60000/60000 [] - 62s -
loss: 0.0474 -
acc: 0.9855
Epoch 6/10 60000/60000 [] - 59s -
loss: 0.0416 -
acc: 0.9871
Epoch 7/10 60000/60000 [] - 61s -
loss: 0.0380 -
acc: 0.9877
Epoch 8/10 60000/60000 [] - 63s -
loss: 0.0333 -
acc: 0.9895
Epoch 9/10 60000/60000 [] - 64s -
loss: 0.0325 -
acc: 0.9898
Epoch 10/10 60000/60000 [] - 60s -
loss: 0.0284 -
acc: 0.9910 TensorFlow - Keras - 无涯教程网无涯教程网提供Keras易于学习的高级Python库可在TensorFlow框架上运行它的重点是理解深度学习技...https://www.learnfk.com/tensorflow/tensorflow-keras.html
