手写数字识别项目代码

这是一个关于手写数字识别的深度学习项目，以下是一些关键代码片段。

数据集

我们使用的是MNIST数据集，这是一个包含60,000个训练样本和10,000个测试样本的手写数字数据集。

模型

我们使用了一个简单的卷积神经网络（CNN）模型来进行手写数字识别。

导入库

import tensorflow as tf
from tensorflow.keras import datasets, layers, models

加载数据集

(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()

数据预处理

train_images = train_images.reshape((60000, 28, 28, 1)).astype('float32') / 255
test_images = test_images.reshape((10000, 28, 28, 1)).astype('float32') / 255

构建模型

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10))

编译模型

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

训练模型

history = model.fit(train_images, train_labels, epochs=10, 
                    validation_data=(test_images, test_labels))

结果

模型在测试集上的准确率为99.2%。

模型准确率

更多信息

想要了解更多关于深度学习的信息，请访问我们的深度学习教程。

抱歉，您的请求不符合要求。