Keras学习（三）——分类classification

cchangcs

于 2018-10-29 19:46:38 发布

阅读量1.4k

点赞数

CC 4.0 BY-SA版权

分类专栏： Keras/TensorFlow/PyTorch学习与实战文章标签： Keras

本文链接：https://blog.csdn.net/github_39611196/article/details/83511978

Keras/TensorFlow/PyTorch学习与实战专栏收录该内容

61 篇文章 ¥19.90 ¥99.00

订阅专栏

本文详细阐述了如何运用Keras库构建神经网络模型，针对手写数字进行有效分类。通过示例代码展示了训练过程，揭示了模型的训练结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文主要介绍使用keras搭建神经网络并对手写数字进行分类。

代码：

import numpy as np
from keras.datasets import mnist
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.optimizers import RMSprop

# 使多次生成的随机数相同
np.random.seed(1337)

# 下载数据集
# X_shape(60000 28x28),y shape(10000)
(X_train, y_train), (X_test, y_test) = mnist.load_data()

# 预处理数据
'''
X_train.reshape(X_train.shape[0], -1) 将60000个28x28的数据变为60000x784
/255：把数据标准化到[0,1]
'''
X_train = X_train.reshape(X_train.shape[0], -1) / 255  # 标准化
X_test = X_test.reshape(X_test.shape[0], -1) / 255  # 标准化
# 将标签变为one-hot形式
y_train = np_utils.to_categorical(y_train, num_classes=10)
y_test = np_utils.to_categorical(y_test, num_classes=10)

# 搭建神经网络
model = Sequential([

了解本专栏