import keras
from keras import layers
import matplotlib.pyplot as plt
import joblib
import keras.datasets.mnist as mnist
import pandas as pd
import numpy as np(train_image, train_label), (test_image, test_label) = mnist.load_data()#建立感知机
model = keras.Sequential()
model.add(layers.Flatten())#Flatten层可以将数据展平成1维的
model.add(layers.Dense(64, activation='relu'))#全连接层
model.add(layers.Dense(10, activation='softmax'))#全连接层，0-10手写数字，所以10个输出model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['acc'])model.fit(train_image, train_label, epochs=50, batch_size=512, validation_data=https://www.it610.com/article/(test_image, test_label))#np.argmax(model_mnist.predict(test_image[:10], axis=1))
y = model.predict(test_image)print(y)【python|python训练一个简单的感知机用于手写数据集识别】
文章图片
推荐阅读
- #|人工智能——DBSCAN密度聚类（Python）
- pytorch|【pytorch笔记】（五）自定义损失函数、学习率衰减、模型微调
- 人工智能大数据|聚类模型、聚类分析
- 机器学习|吴恩达机器学习课后作业1——单变量线性回归（Linear regression with one variable）
- 吴恩达机器学习笔记|吴恩达机器学习课后作业——支持向量机
- 吴恩达机器学习笔记|吴恩达机器学习课后作业——KMeans和PCA
- 机器学习|吴恩达机器学习课后作业——多元分类
- 机器学习算法入门|机器学习算法入门梳理——逻辑回归的分类预测详解
- 机器学习|机器学习碎碎念之逻辑回归