CNN 卷积神经网络
作者: 编辑: 莫烦 发布于: 2016-10-30
学习资料:
搭建模型¶
这次我们主要讲CNN（Convolutional Neural Networks）卷积神经网络在 keras 上的代码实现。 用到的数据集还是MNIST。不同的是这次用到的层比较多，导入的模块也相应增加了一些。
首先是数据预处理和model的设置。 然后添加第一个卷积层，滤波器数量为32，大小是5*5，Padding方法是same即不改变数据的长度和宽带。 因为是第一层所以需要说明输入数据的 shape ，激励选择 relu 函数。代码如下
第一层 pooling（池化，下采样），分辨率长宽各降低一半，输出数据shape为（32，14，14）
再添加第二卷积层和池化层
经过以上处理之后数据shape为（64，7，7），需要将数据抹平成一维，再添加全连接层1
添加全连接层2（即输出层）
设置adam优化方法，loss函数, metrics方法来观察输出结果
训练¶
开始训练模型
输出test的loss和accuracy结果
