首页 > 其他 > 详细

手写数字识别-小数据集

时间:2020-06-09 23:53:53      阅读:111      评论:0      收藏:0      [点我收藏+]

1.手写数字数据集

  • from sklearn.datasets import load_digits
  • digits = load_digits()

 

2.图片数据预处理

  • x:归一化MinMaxScaler()
  • y:独热编码OneHotEncoder()或to_categorical
  • 训练集测试集划分
  • 张量结构

 

3.设计卷积神经网络结构

  • 绘制模型结构图,并说明设计依据。

4.模型训练

5.模型评价

  • model.evaluate()
  • 交叉表与交叉矩阵
  • pandas.crosstab
  • seaborn.heatmap

实现代码

# # author:陌攻
import numpy
from tensorflow.keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense
from sklearn.externals import joblib
from keras.utils import np_utils
import numpy as np
import pandas as pd
import seaborn as sns
import struct

seed = 7
numpy.random.seed(seed)

# 加载数据
(X_tarin, y_train), (X_test, y_test) = mnist.load_data()
y_test1=y_test

# 数据处理
# # 数据降维与转码
num_pixels = X_tarin.shape[1] * X_tarin.shape[2]
X_tarin = X_tarin.reshape(X_tarin.shape[0], num_pixels).astype(float32)
X_test = X_test.reshape(X_test.shape[0], num_pixels).astype(float32)

# # 像素255*255*255
X_tarin = X_tarin / 255
X_test = X_test / 255

# # 对输出进行one hot编码
y_train = np_utils.to_categorical(y_train)
y_test = np_utils.to_categorical(y_test)
num_classes = y_test.shape[1]

# MLP模型
def baseline_model():
    model = Sequential()
    model.add(Dense(num_pixels, input_dim=num_pixels, init=normal, activation=relu))
    model.add(Dense(num_classes, init=normal, activation=softmax))
    model.summary()
    model.compile(loss=categorical_crossentropy, optimizer=adam, metrics=[accuracy])
    return model

# 建立模型
model = baseline_model()

# 训练模型
model.fit(X_tarin, y_train, validation_data=(X_test, y_test), nb_epoch=10, batch_size=200, verbose=2)

# 保存模型
joblib.dump(model, NumberModel.pkl)

# 读取模型
# model = joblib.load(‘NumberModel.pkl‘)

# 模型评估
scores = model.evaluate(X_test, y_test, verbose=0)
print("正确率: %.2f%%" % (scores[1]*100))  # 输出正确率

# 交叉表与交叉矩阵
# # 识别test数据
y_pred=model.predict(X_test)

# # 将识别出来的数组(10000,10)还原成数字(10000,)
y_pred=np.argmax(y_pred,axis=1).reshape(-1)

a=pd.crosstab(np.array(y_test1),y_pred)

# # 属性转换dataframe
df=pd.DataFrame(a)

# # 打印交叉矩阵
print(df)

# # 绘制交叉表
from matplotlib import pyplot as plt
sns.heatmap(df,annot=True,cmap="YlGnBu",linewidths=0.2,linecolor=G)
plt.show()

运行结果图:

交叉矩阵

技术分享图片

 

 交叉表

技术分享图片

 

我的博文地址:http://www.mogongcom.cn/blog/36

手写数字识别-小数据集

原文:https://www.cnblogs.com/mogong/p/13081824.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!