手寫數字識別-小數據集

本文轉載自查看原文 2020-06-09 09:06 1017

1.手寫數字數據集

from sklearn.datasets import load_digits
digits = load_digits()

（1）導入數據包

（2）讀取數據

2.圖片數據預處理

x：歸一化MinMaxScaler()
y：獨熱編碼OneHotEncoder()或to_categorical
訓練集測試集划分
張量結構

（1）x：歸一化MinMaxScaler()，y：獨熱編碼OneHotEncoder()

結果如圖：

3.設計卷積神經網絡結構

繪制模型結構圖，並說明設計依據。

模型結構如圖：

設計理念依據：

（1）傳遞一個input_shape的關鍵字參數給第一層，input_shape是一個tuple類型的數據，其中也可以填入None，如果填入None則表示此位置可能是任何正整數。數據的batch大小不應包含在其中
（2）傳遞一個batch_input_shape的關鍵字參數給第一層，該參數包含數據的batch大小。該參數在指定固定大小batch時比較有用，例如在stateful RNNs中。事實上，Keras在內部會通過添加一個None將input_shape轉化為batch_input_shape
（3）有些2D層，如Dense，支持通過指定其輸入維度input_dim來隱含的指定輸入數據shape。一些3D的時域層支持通過參數input_dim和input_length來指定輸入shape。
（4）優化器optimizer：該參數可指定為已預定義的優化器名

（5）損失函數loss：該參數為模型試圖最小化的目標函數

（6）由於圖像尺寸較小，故卷積核尺寸設置為3×3，三個卷積-池化層的卷積核數量分別設置為16、32、64。