如何将卷积神经网络应用于mnist数据集（5）

詹惠儿

2019-04-02 阅读量: 596

首先，我们制作了一个模型的对象，如上面给出的行所示，其中[inpx]是模型中的输入，layer7是模型的输出。我们使用所需的优化器，损失函数编译模型并打印精度，并在最后的模型中调用。函数与x_train（表示图像矢量），y_train（表示标签），纪元数和批量大小等参数一起调用。使用拟合函数x_train，y_train数据集被馈送到特定批量大小的模型。

评估函数：

model.evaluate提供测试数据的分数，即将测试数据提供给模型。现在，模型将预测数据的类，预测的类将与y_test标签匹配，以给我们准确性。

score = model.evaluate(x_test, y_test, verbose=0)

print('loss=', score[0])

print('accuracy=', score[1])