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

1. 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
2. 安装方式也很简答，例如：pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
3. 注意tensorflow版本不能是2.x

使用说明

1. 首先，我们预览数据集，运行mnistplt.py，绘制了4张训练用到的图像
2. 训练全连接网络则运行densemnist.py，得到权重dense.h5，加载模型并预测运行denseload.py
3. 训练卷积网络则运行cnnmnist.py，得到权重cnn.h5，加载模型并预测运行cnnload.py

结果图

训练过程注释

全连接网络训练：

cnn训练：

到此这篇关于mnist的文章就介绍到这了,希望可以帮到你们，更多相关深度学习内容请搜索以前的文章或继续浏览下面的相关文章，希望大家以后多多支持！