分类：mnist

2021
07-12

Keras在mnist上的CNN实践,并且自定义loss函数曲线图操作

使用keras实现CNN，直接上代码：fromkeras.datasetsimportmnistfromkeras.modelsimportSequentialfromkeras.layersimportDense,Dropout,Activation,Flattenfromkeras.layersimportConvolution2D,MaxPooling2Dfromkeras.utilsimportnp_utilsfromkerasimportbackendasKclassLossHistory(keras.callbacks.Callback):defon_train_begin(self,logs={}):self.losses={'batch':[],'epoch':[]}... 继续阅读 >

2021
04-27

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：pipinstallnumpy-ihttps://pypi.tuna.tsinghua.edu.cn/simpl... 继续阅读 >

2020
10-08

解析Tensorflow之MNIST的使用

要说2017年什么技术最火爆，无疑是google领衔的深度学习开源框架Tensorflow。本文简述一下深度学习的入门例子MNIST。深度学习简单介绍首先要简单区别几个概念：人工智能，机器学习，深度学习，神经网络。这几个词应该是出现的最为频繁的，但是他们有什么区别呢？人工智能：人类通过直觉可以解决的问题，如：自然语言理解，图像识别，语音识别等，计算机很难解决，而人工智能就是要解决这类问题。机器学习：如果一个任务可以在任务T... 继续阅读 >

2020
10-08

Tensorflow之MNIST CNN实现并保存、加载模型

本文实例为大家分享了Tensorflow之MNISTCNN实现并保存、加载模型的具体代码，供大家参考，具体内容如下废话不说，直接上代码#TensorFlowandtf.kerasimporttensorflowastffromtensorflowimportkeras#Helperlibrariesimportnumpyasnpimportmatplotlib.pyplotaspltimportos#downloadthedatamnist=keras.datasets.mnist(train_images,train_labels),(test_images,test_labels)=mnist.load_data()class... 继续阅读 >

2020
10-08

基于Tensorflow的MNIST手写数字识别分类

本文实例为大家分享了基于Tensorflow的MNIST手写数字识别分类的具体实现代码，供大家参考，具体内容如下代码如下：importtensorflowastfimportnumpyasnpfromtensorflow.examples.tutorials.mnistimportinput_datafromtensorflow.contrib.tensorboard.pluginsimportprojectorimporttimeIMAGE_PIXELS=28hidden_unit=100output_nums=10learning_rate=0.001train_steps=50000batch_size=500test_data_size=... 继续阅读 >

2020
09-27

Python读入mnist二进制图像文件并显示实例

图像文件是自己仿照mnist格式制作，每张图像大小为128*128importstructimportmatplotlib.pyplotaspltimportnumpyasnp#读入整个训练数据集图像filename='train-images-idx3-ubyte'binfile=open(filename,'rb')buf=binfile.read()#读取头四个32bit的intergerindex=0magic,numImages,numRows,numColumns=struct.unpack_from('>IIII',buf,index)index+=struct.calcsize('>IIII')#读取一个图片，16384=128*128... 继续阅读 >