Keras 教學 - MNIST 手寫辨識 x 深度學習的 HelloWorld

創業與雷
·
(修改过)
·
IPFS
·

Keras 實現 MNIST 手寫辨識

每一個程式語言都有 HelloWorld,深度學習領域中最經典的 Demo 就是 MNIST 手寫辨識,MNIST 資料即是由 28x28 灰階圖片,分別有 0~9 分佈 60,000 張訓練資料與 10,000 張測試資料 。目前各大演算法對於 MNIST 的準確率已經提昇許多,我們也來用 Keras 來測試看看囉。

Python Keras MNIST 手寫辨識

這是一個神經網路的範例,利用了 Python Keras 來訓練一個手寫辨識分類 Model。

我們要的問題是將手寫數字的灰度圖像(28x28 Pixel)分類為 10 類(0至9)。使用的數據集是 MNIST 經典數據集,它是由國家標準技術研究所(MNIST 的 NIST)在1980年代組裝而成的,包含 60,000 張訓練圖像和 10,000 張測試圖像。您可以將「解決」MNIST 視為深度學習的 "Hello World"。

由於 Keras 已經整理了一些經典的 Play Book Data,因此我們可以很快透過以下方式取得 MNIST 資料集。

from keras.datasets import mnist

(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

images 是用來訓練與測試的資料,label 則為每一筆影像資料對應的正確答案,每一張手寫圖片都是 28 x 28 的灰階 Bit Map,透過以下 Python 來看一下資料集的結構

train_images.shape
len(train_labels)
train_labels
test_images.shape
len(test_labels)
test_labels

原文:https://blog.toright.com/posts/6914

CC BY-NC-ND 2.0 授权

喜欢我的作品吗?别忘了给予支持与赞赏,让我知道在创作的路上有你陪伴,一起延续这份热忱!

創業與雷0 到 1 是創業,1 到 N 是營業 我是一位軟體工程師,也是業餘業餘創作者,寫點技術相關知識類型的文章。預計會在這裡分享一些讀書心得等等... 部落格:https://blog.toright.com GitHub:https://github.com/samejack
  • 来自作者
  • 相关推荐

LikeCoin 驗證人佣金調整為 10%

擔任 LikeCoin 驗證人與社群委託報告

第一次領 Gamfi 空投就上手 (幣安 NFT 空投教學)