干货分享|TensorFlow构建神经网络

MNIST数据集前面章节已经多次遇到过,这里直接引用,并使用TensorFlow构建神经网络模型进行训练。下面举例说明如何构建简单的神经网络并训练。

【例15-33】 TensorFlow构建神经网络训练MNIST数据集。

输入如下代码:

复制代码
# 构建简单模型,训练识别手写体数据集
import tensorflow as tf
# 导入数据
mnist = tf.keras.datasets.mnist
# 将样本从整数转换为浮点数
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
# 将模型的各层堆叠起来,以搭建 tf.keras.Sequential 模型。为训练选择优化器和损失函数
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',
                 metrics=['accuracy'])
# 训练并验证模型
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test,  y_test, verbose=2)

运行结果如下:

复制代码
Epoch 1/5
1875/1875 [==============================] - 9s 3ms/step - loss: 0.2945 - accuracy: 0.9141
Epoch 2/5
1875/1875 [==============================] - 5s 3ms/step - loss: 0.1429 - accuracy: 0.9574
Epoch 3/5
1875/1875 [==============================] - 5s 3ms/step - loss: 0.1075 - accuracy: 0.9687
Epoch 4/5
1875/1875 [==============================] - 7s 4ms/step - loss: 0.0883 - accuracy: 0.9726
Epoch 5/5
1875/1875 [==============================] - 6s 3ms/step - loss: 0.0724 - accuracy: 0.9767
313/313 - 1s - loss: 0.0772 - accuracy: 0.9771 - 827ms/epoch - 3ms/step

观察运行结果,该网络训练的准确率已经达到了97.67%。该网络虽然简单,但是注释完整,包含神经网络的各个部分,各种复杂的网络都是在简单网络的基础上发展而来的,希望读者认真理解,多加训练。

本文节选自《细说机器学习:从理论到实践》,内容发布获得作者和出版社授权。

细说机器学习 从理论到实践------京东·

相关推荐
鲸临城下1 分钟前
R-CNN 模型算法流程梳理
人工智能·深度学习·算法·目标检测·目标跟踪·cnn·r-cnn
池央10 分钟前
调用蓝耘Maas平台大模型API打造个人AI助理实战
人工智能·语言模型·自然语言处理
audyxiao00126 分钟前
AAAI 2025论文分享│STD-PLM:基于预训练语言模型的时空数据预测与补全方法
人工智能·计算机·语言模型·自然语言处理·预训练·时空预测·注意力模块
vijaycc36 分钟前
python学习打卡day40
人工智能·深度学习·机器学习
阿巴阿阿巴巴巴巴38 分钟前
【深度学习相关安装及配环境】Anaconda搭建虚拟环境并安装CUDA、cuDVV和对应版本的Pytorch,并在jupyter notebook上部署
人工智能·pytorch·python·深度学习·jupyter·cuda
deephub41 分钟前
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
人工智能·python·jupyter·大语言模型·mcp
李昊哲小课44 分钟前
脱发因素机器学习数据分析
人工智能·机器学习·数据分析·scikit-learn
焦耳加热1 小时前
多元素纳米颗粒:开启能源催化新纪元
人工智能·自动化·能源·材料工程
让学习成为一种生活方式1 小时前
从翻译后修饰角度解析人工合成途径与底盘细胞的适配性-文献精读136
人工智能
DFminer1 小时前
【仿生机器人】仿生机器人系统架构设计2.0——具备可执行性
人工智能·机器人·交互