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。
上面为模型结构图,主要是参考了vgg模型,使用了4层卷积,3个池化层,Dropout层是用来防止过拟合,下面是模型的使用:
4.模型训练
训练20次,最后的损失率跟准确率:
模型的准确率:
模型的损失率:
5.模型评价
- model.evaluate()
- 交叉表与交叉矩阵
- pandas.crosstab
- seaborn.heatmap