日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當(dāng)前位置: 首頁 > 人文社科 > 生活经验 >内容正文

生活经验

keras 的 example 文件 mnist_cnn.py 解析

發(fā)布時間:2023/11/27 生活经验 35 豆豆
生活随笔 收集整理的這篇文章主要介紹了 keras 的 example 文件 mnist_cnn.py 解析 小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

mnist_cnn.py 基本上就是最簡單的一個卷積神經(jīng)網(wǎng)絡(luò)了,其結(jié)構(gòu)如下:

________________________________________________________________________________
Layer (type)                        Output Shape                    Param #
================================================================================
conv2d_1 (Conv2D)                   (None, 26, 26, 32)              320
________________________________________________________________________________
conv2d_2 (Conv2D)                   (None, 24, 24, 64)              18496
________________________________________________________________________________
max_pooling2d_1 (MaxPooling2D)      (None, 12, 12, 64)              0
________________________________________________________________________________
dropout_1 (Dropout)                 (None, 12, 12, 64)              0
________________________________________________________________________________
flatten_1 (Flatten)                 (None, 9216)                    0
________________________________________________________________________________
dense_1 (Dense)                     (None, 128)                     1179776
________________________________________________________________________________
dropout_2 (Dropout)                 (None, 128)                     0
________________________________________________________________________________
dense_2 (Dense)                     (None, 10)                      1290
================================================================================
Total params: 1,199,882
Trainable params: 1,199,882
Non-trainable params: 0
________________________________________________________________________________

不再過多解釋

?

另一個更簡單的網(wǎng)絡(luò)結(jié)構(gòu)為?mnist_mlp.py,即?多層感知器(MLP,Multilayer Perceptron)

__________________________________________________
Layer (type)          Output Shape        Param #
==================================================
dense_1 (Dense)       (None, 512)         401920
__________________________________________________
dropout_1 (Dropout)   (None, 512)         0
__________________________________________________
dense_2 (Dense)       (None, 512)         262656
__________________________________________________
dropout_2 (Dropout)   (None, 512)         0
__________________________________________________
dense_3 (Dense)       (None, 10)          5130
==================================================
Total params: 669,706
Trainable params: 669,706
Non-trainable params: 0
__________________________________________________

用全連接堆疊起來的圖像識別

——————————————————————

總目錄

keras的example文件解析

總結(jié)

以上是生活随笔為你收集整理的keras 的 example 文件 mnist_cnn.py 解析的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯,歡迎將生活随笔推薦給好友。