栏目导航

六合管家

深度学习初学者利用Keras构建跟部署CNN模型

更新时间:2019-03-09

C:\Users\Administrator>cd "Keras Deploy"

img_rows = 28

C:\Users\Administrator\Keras Deploy>jupyter notebook

本教程的核心是使用Keras构建一个可能识别手写数字的小型CNN模型。我们将利用咱们训练有素的模型来辨认咱们使用鼠标指针在网页上编写的数字。这需要我们应用HTML,Javascript跟Flask构建一个小型Web应用程序。然而你能够复制并粘贴该部分的代码,因为我们的主要目标不是建立网站,而是使用Keras制作CNN模型。

from keras.datasets import mnist

以下代码导入构建模型所需的必需keras包。它还导入MNIST数据集,该数据集是70k图像的手写数字(0到9)的数据集,每个图像的大小为28像素×28像素。import keras

epochs = 12

x_train, y_train), (x_test, y_test) = mnist.load_data()

from keras.models import Sequential

机器学习,神经网络,分类,回归,CNN,TensorFlow,Keras,深度学习等等这些词对你来说并不陌生。互联网充斥着学习机器学习的资源。在从前的多少年里,机器学习已经侵入了我们日常生活的各个方面。直接或间接地,有意或无意地,我们每天都与机器学习算法进行交互。诚然机器学习已经存在了多少十年,但最近使用的激增很大程度上是由于我们当初领有的绝对打算才干。深度学习模型正在云上的高度复杂和富强的硬件系统上进行练习和部署。

from keras import backend as K

因为图像的像素值范围为0-255,我们将把它们缩小到0-1的范围。x_train = x_train.astype('float32')

激活环境后,环境名称将显示在cmd终端上,如下所示。在任何你喜好的地方创建一个存在任何名称的新文件夹,而后启动Jupyter笔记本。C:\Users\Administrator>mkdir "Keras Deploy"

from keras.layers import Dense, Dropout, Flatten, Conv2D, MaxPooling2D

img_cols = 28

我们将设置一些变量,例如用于反向传播批量大小的类的数量以及图像的高度和宽度。batch_size = 128

启动Jupyter Notebook后,按照构建CNN模型。你可以在Jupyter notebook中的不同单元格中编写下面的每个代码片段。

构建模型

要开始使用,您可以打开Windows cmd终端并激活安装了Keras和其余依靠项的Anaconda环境。activate MyEnvDL

num_classes = 10

本文将重点先容如何构建一个迷你机器学习名目。目的是让您理解如何构建,培训跟安排自己的机器学习模型。使用盛行的MNIST手写数字数据集构建小型卷积神经网络模型并将其部署在本地盘算机上的基本介绍。



友情链接:

www.434455.com,六合管家,www-434455.com,杀庄网,香港杀庄网,香港杀庄网原创正版,香港杀庄网最准确网址,0449香港杀庄网站。