入门项目数字手写体识别:使用Keras完成CNN模型搭建

  1. 云栖社区>
  2. 翻译小组>
  3. 博客>
  4. 正文

入门项目数字手写体识别:使用Keras完成CNN模型搭建

【方向】 2018-05-25 13:04:47 浏览4463
展开阅读全文

       对于图像分类任务而言,卷积神经网络(CNN)是目前最优的网络结构,没有之一。在面部识别、自动驾驶、物体检测等领域,CNN被广泛使用,并都取得了最优性能。对于绝大多数深度学习新手而言,数字手写体识别任务可能是第一个上手的项目,网络上也充斥着各种各样的成熟工具箱的相关代码,新手在利用相关工具箱跑一遍程序后就能立刻得到很好的结果,这时候获得的感受只有一个——深度学习真神奇,却没能真正了解整个算法的具体流程。本文将利用Keras和TensorFlow设计一个简单的二维卷积神经网络(CNN)模型,手把手教你用代码完成MNIST数字识别任务,便于理解深度学习的整个流程。

1

准备数据

       模型使用的MNIST数据集,该数据集是目前最大的数字手写体数据集(0~9),总共包含60,000张训练图像和10,000张测试图像,每张图像

网友评论

登录后评论
0/500
评论
【方向】
+ 关注
所属云栖号: 翻译小组