吴裕雄--天生自然TensorFlow高层封装:使用TFLearn处理MNIST数据集实现LeNet-5模型
2024-09-01 10:02:19
# 1. 通过TFLearn的API定义卷机神经网络。 import tflearn
import tflearn.datasets.mnist as mnist from tflearn.layers.conv import conv_2d, max_pool_2d
from tflearn.layers.estimator import regression
from tflearn.layers.core import input_data, dropout, fully_connected trainX, trainY, testX, testY = mnist.load_data(data_dir="F:\\TensorFlowGoogle\\201806-github\\datasets\\MNIST_data", one_hot=True)
# 将图像数据resize成卷积卷积神经网络输入的格式。
trainX = trainX.reshape([-1, 28, 28, 1])
testX = testX.reshape([-1, 28, 28, 1]) # 构建神经网络。
net = input_data(shape=[None, 28, 28, 1], name='input')
net = conv_2d(net, 32, 5, activation='relu')
net = max_pool_2d(net, 2)
net = conv_2d(net, 64, 5, activation='relu')
net = max_pool_2d(net, 2)
net = fully_connected(net, 500, activation='relu')
net = fully_connected(net, 10, activation='softmax')
# 定义学习任务。指定优化器为sgd,学习率为0.01,损失函数为交叉熵。
net = regression(net, optimizer='sgd', learning_rate=0.01,loss='categorical_crossentropy')
# 2. 通过TFLearn的API训练神经网络。
# 通过定义的网络结构训练模型,并在指定的验证数据上验证模型的效果。
model = tflearn.DNN(net, tensorboard_verbose=0)
model.fit(trainX, trainY, n_epoch=10,validation_set=([testX, testY]),show_metric=True)
最新文章
- JEECMS插件开发
- [转]linux主机644、755、777权限详解
- linux使用getopt解析参数
- Codeforces Round #224 (Div. 2)
- jar包版本冲突,并且要保留两个版本都能使用
- 自动分组+合并完整的sql脚本
- Windows API 之 ReadProcessMemory
- 【开发技术】 B/S、C/S的区别
- [Vue] vue跳转外部链接
- MapReduce ----倒排索引
- DELPHI中完成端口(IOCP)的简单分析(3)
- struts2:表单标签续(datetimepicker标签)
- VSTO:使用C#开发Excel、Word【10】
- springMVC数据模型model,modelmap,map,@ModelAttribute的相互关系
- BitCoinCore配置文件解读
- Activity和Intent
- UVa 242 邮票和信封(完全背包)
- arugsJS 入门
- poj 3070 Fibonacci 矩阵相乘
- winfrom在图片上实现绘制
热门文章
- html特殊字符的写法
- 【LeetCode】课程表
- struts2模型驱动传值问题
- 读《软件需求最佳实践》YOUGAN
- id就是方法名,如何调用;批量input怎么获取他们的key值作为参数
- redis官网下载自动安装脚本
- mysql数值类型总结及常用函数
- 一本通1402 Vigenère密码
- php对象: __clone, __toString, __call,__isset, __unset, __sleep, __wakeup,
- 直击JDD | 京东开启技术服务元年:携手合作伙伴,共创产业未来