奇书网

第三节 手写数字识别（第3页）

&=keras。utils。to_categorical（y_test，num_classes）

#上述命令将训练数据和验证数据的类别转化成keras支持的格式

#通过以下代码构建深度网络，使用2D卷积层，池化层、Dropout层、压平

#层等

&ial（）

model。add（v2D（32，kernel_size=（3，3），

a='relu'，

i_shape））

model。add（v2D（64，（3，3），a='relu'））

model。add（MaxPooling2D（pool_size=（2，2）））

model。add（Dropout（0。25））

model。add（Flatten（））

model。add（Deivation='relu'））

model。add（Dropout（0。5））

model。add（Dense（ion='softmax'））

#上述深度网络包括两个卷积层，输出如下：

#WARNING：TensorFlow：FromWinPython-64bit-3。6。1。0Q

#t5Python-3。6。1。amd64libsite-packageskerasbad

#TensorFloy：1062：gredu

#TensorFlow。Python。ops。math_ops）withkeep_dimsis

&edandwill#beremovedinafutureversion。

#Instrusf：

#keep_dimsisdeprecated，usekeepdimsinstead

#这是一条警告命令，版本不同，警告信息可能也不同，提示内容是一些命令可

#能在后续版本中将不予支持

model。pile（loss=keras。losses。categorical_tropy，

optimizer=keras。optimizers。Adadelta（），

&rics=['accuracy']）

#使用以上代码进行网络具体搭建

#一般也会输出类似的警告信息

&rain，y_train，

batch_size=batch_size，

epochs=epochs，

verbose=1，

validation_data=（x_test，y_test））

#使用上述代码进行模型训练，训练时长根据配置不同而不同

#训练过程中会给出每次更新网络参数所需的时间、损失、精度等