CNN 卷积神经网络
作者: 莫烦 发布于: 2016-10-30
编辑: 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