케라스 mnist 예제

Skrevs fredagen den 2 augusti, 2019

예제를 실행하면 각 시대에 교육 및 유효성 검사 테스트의 정확도가 인쇄되고 분류 오류율이 인쇄됩니다. 몇 가지 예를 살펴보겠습니다. MNIST 데이터 집합에는 그레이스케일 이미지만 포함됩니다. 고급 이미지 데이터 집합의 경우 세 가지 색상 채널(RGB)이 있습니다. 그런 다음 Keras에서 CNN 레이어를 가져옵니다. 이러한 컨볼루션 레이어는 이미지 데이터를 효율적으로 학습하는 데 도움이 되는 컨볼루션 레이어입니다. Keras가 입력 형식을 변경했습니다. [픽셀, 너비, 높이] 대신 [너비, 높이, 픽셀]이 되었습니다. conv2D 및 모양 바꾸기에서 input_shape = (28, 28, 1)를 변경합니다. Keras의 순차 API를 사용하여 다음 아키텍처를 사용하여 CNN을 빌드합니다. 예를 들어 파이썬 ”이미지”에 대한 Google 자습서 : http://effbot.org/imagingbook/introduction.htm mnist 데이터 집합은 Keras 라이브러리의 일부로 편리하게 제공되므로 데이터 집합을 쉽게로드 할 수 있습니다. 데이터 집합에 제공된 70,000개의 이미지 중 60,000개는 교육을 위해 제공되며 10,000개는 테스트를 위해 제공됩니다.

 Keras는 사용자 친화성, 빠른 프로토타이핑, 모듈화 및 확장성에 초점을 맞춘 고급 신경망 API입니다. Tensorflow, Theano 및 CNTK와 같은 딥 러닝 프레임워크와 함께 작동하므로 많은 소란없이 신경망을 구축하고 훈련할 수 있습니다. Keras는 매우 다재다능하면서도 이해하기 쉽고, 다른 여러 딥 러닝 프레임워크의 맨 위에 실행할 수 있는 딥 러닝 라이브러리로 텐서플로우, 테아노 및 Microsoft CNTK를 지원하며 텐서플로우가 기본값입니다. Keras를 딥 러닝을 위한 첫 번째 라이브러리로 만들어야 하는 몇 가지 이유가 있습니다. 이 기사에서는 Keras를 사용하여 MNIST 숫자 데이터 집합에서 99 %의 정확도를 달성하는 CNN을 개발하는 방법을 보여 주어 설명했습니다. 이미지는 다소 단순하기 때문에 (작은 + 흑백), 우리는 딥 러닝 모델이 간단한 아키텍처를 가지고 합리적으로 잘 수행 할 것으로 예상. 1. CNN 입력에 유용하도록 시스템에 데이터베이스를 저장하려면 어떻게해야합니까? (모든 벡터는 매트릭스에 저장해야합니까? 예를 들어 나는 6000 샘플각각 10 클래스를 가지고 각 샘플은 144 요소로 벡터로 표현된다, 이러한 벡터를 저장하는 방법과 어떤 형식으로? ) (matlab2017에 의해 이미지에서 기능 벡터를 추출한 다음 이를 인식 프로세스용 케라스(jupyter notebook)의 CNN 용 입력으로 사용하고 싶습니다.

) 위의 링크에서 이미지를 다운로드할 수 있지만 Keras 라이브러리는 이미 keras.dataset 모듈에서 이러한 숫자의 데이터베이스를 제공합니다.

Teater Kapija
Örmölla 321
SE-274 56 Abbekås

+46 (0)411 533 772
+46 (0)70 740 17 61

info@kapija.com
www.kapija.com