zoukankan      html  css  js  c++  java
  • keras神经网络开发知识笔记

         mnist数据集获取60000个训练样本和10000个测试样本,样本为0-9十个数字,用全连接神经网络进行训练,并测试结果。

          例程采用60000个数据样本进行训练,对于一般的电脑来说,这样训练会比较费时间,学习测试较慢

         所以,可以加入以下几行代码:

    # mnist has 60000 datas,down to 6000 to accelerate
    x_train=x_train[:6000]
    
    y_train=y_train[:6000]
    
    将原始60000个样本只取前6000个样本进行训练
    
    例程的核心代码为(部分数值有修改):
    
    model = Sequential()
    model.add(Dense(512, activation='relu', input_shape=(784,)))
    model.add(Dropout(0.2))
    model.add(Dense(64, activation='relu'))
    model.add(Dropout(0.2))
    
    model.add(Dense(num_classes, activation='softmax'))
    

      依次理解笔记:

       

    model.add(Dense(512, activation='relu', input_shape=(784,)))
    

      

         为model添加Dense层,即全链接层,该层有784维输入,512为输出

       

    model.add(Dropout(0.2))
    

      

        添加Dropout层,训练时概率性丢弃

    model.add(Dense(64, activation='relu'))
    

      

        再次添加Dense层,64维输出(输入为前一层,512维)

    model.add(Dense(num_classes, activation='softmax'))
    

      

      再次添加Dense层,10维输出(num_classes=10,即0-9十个数字)

      所以我们大致能够知道,神经网络是输入784维,第一层512维,第二层64维,输出10维。

       在例程末尾,可以添加两句

    model.summary()
    
    print (model.get_weights())
    

        

  • 相关阅读:
    UOS安装gitlab
    docker中连接sqlserver 2008R2(SP3) 失败解决方法
    AtCoder AGC020 E-Encoding Subsets
    CF1553H XOR and Distance
    CF1039E Summer Oenothera Exhibition
    HDOJ 6991 Increasing Subsequence
    HDOJ 6964 I love counting
    Topcoder 15279 SpanningSubgraphs
    全程NOIP计划 题目选做
    分层图总结
  • 原文地址:https://www.cnblogs.com/68xi/p/8605812.html
Copyright © 2011-2022 走看看