如何将卷积神经网络应用于mnist数据集

詹惠儿

2019-02-22 阅读量: 594

CNN基本上是一种已知为卷积神经网络的模型，并且由于其有用性，最近它已经获得了很多人气。CNN使用多层感知器进行计算工作。与其他图像分类算法相比，CNN使用相对较少的预处理。这意味着网络通过传统算法手工设计的过滤器进行学习。因此，对于图像处理任务，CNN是最适合的选择。

MNIST数据集：

mnist数据集是手写图像的数据集，如下图所示。

通过使用CNN（卷积神经网络）和功能模型，我们可以获得99.06％的准确率。使用功能模型的原因是在连接层时保持容易性。

import numpy as np

import keras

from keras.datasets import mnist

from keras.models import Model

from keras.layers import Dense, Input

from keras.layers import Conv2D, MaxPooling2D, Dropout, Flatten

from keras import backend as k

创建列车数据和测试数据

列车数据：用于训练我们的模型。

(x_train, y_train), (x_test, y_test) = mnist.load_data()

0.0000

关注作者

发表评论

暂无数据

CDA考试动态

CDA报考指南

推荐帖子