天才一秒记住【畅想小说网】地址：http://www.cxtra.net
表7-1图片标注
在这个案例中，使用的数据集是深度学习经常使用的数据集MINST。
这是一个手写数字数据库，包含60000个训练样本和10000个测试样本，每个样本图像的宽高为28×28。
需要注意的是，此数据集中的图片是以二进制存储的，不能直接以图像格式查看，不过很容易找到将其转换成图像格式的工具。
接下来的代码将引导读者下载数据、构建网络、训练网络。
使用的网络是在处理图片数据时非常有效的卷积神经网络。
尽管这个案例搭建网络的过程很简单，但是读者可以据此进行更深入地探索。
这一节编写代码的方式与前几章稍有不同，可以把它们保存成.py文件后直接运行，其中每一部分的含义已经在相应位置做了详细注释。
读者在掌握了基本方法后，还可以尝试对参数进行调整，并观察调整后的识别效果，从而进一步理解这种方法。
from__future__importprint_fun
#导入这个模块是增加Python不同版本之间兼容性的一种做法
importkeras
#导入keras模块
fromkeras.datasetsimportmnist
#导入数据库函数，因为国内访问亚马逊云速度较慢，也可以不用这种方式下
#载数据，而是从教材资源平台下载并读取数据
fromkeras.modelsimportSequential
#使用keras的序贯模型
fromkeras.layersimportDe，Flatten
fromkeras.layersimportaxPooling2D
#导入需要使用的网络层，包括稠密层、Dropout层、压平层、二维卷积层、
#池化层
fromkerasimportbadasK
#导入后端
batch_size=128
#控制每个训练批次的数据大小的参数，读者可以调整并观察会产生什么变化
num_classes=10
#分类器类别数量。
因为要识别0到9共10个手写数字，所以类别是10
#如果识别手写小写字母，则分类就是26
epochs=12
#训练周期，读者可以调整并观察效果，训练周期越大，训练时间越长
img_rows，img_cols=28，28
#图片的长和宽的像素数
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！