小白学CNN以及Keras的速成

实现Lenet

讲完了卷积收集的根本构造之后，你是不是已经迫在眉睫欲望可以或许实现一个简单的神经收集了呢?卷积收集成长的特别敏捷，最早是由Lecun提出来的，Lenet成为cnn的开山祖师，接下来他的学生Alex提出了层数更深的Alexnet，然后2013年又提出了VGGnet，有16层和19层两种，这些都只是在层数膳绫擎的加深，并没有什么其他的立异，而之后google提出了inception net在收集构造上实现了立异，提出了一种inception的机构，facebook ai 实验室又提出了resnet，残差收集，实现了150层的收集构造可练习化，这些我们之后会慢慢讲到。

Keras Documentation就是Keras的官方文档，琅绫擎可以查阅所有的函数，并且可以在github上看他的开源代码，异常便利。安装也很简单，打开终端，输入pip install keras 就可以等待安装了。

import keras 
 
from keras.datasets import mnist 
 
（x_train, y_train）, （x_test,y_test） =mnist.load_data（）

导入须要的库和数据集

x_train=x_train.reshape（-1,28,28,1）
x_test=x_test.reshape（-1,28,28,1）
x_train=x_train/255.
x_test=x_test/255.
y_train=keras.utils.to_categorical（y_train）
y_test=keras.utils.to_categorical（y_test）

处理数据，让数据的shape是（28, 28, 1），然后label做一个one-hot encoding处理，比如类别是3，那么变成[0, 0, 1 ,0, 0, 0, 0, 0, 0, 0]。

5/8 首页上一页 3 4 5 6 7 8 下一页尾页

　　推荐阅读

　　MySQL高可用数据库内核深度优化的四重定制

【51CTO晃荡】8.26 带你与清华大年夜学、搜狗、京东大年夜咖们一路商量基于算法的IT运维实践一、UDB高可用数据库架构 UDB以虚拟IP、HAProxy、单节点UDB数据库搭建双节点高可用架构：>>>详细阅读

本文标题：小白学CNN以及Keras的速成

地址：http://www.17bianji.com/lsqh/36937.html

1/2 1