DL之DNN：利用DNN算法對mnist手寫數字圖片識別數據集(sklearn自帶,1797*64)訓練、預測(95%)

?

?

目錄

數據集展示

輸出結果

設計代碼

---

?

?

數據集展示

先查看sklearn自帶digits手寫數據集(1797*64)

輸出結果

?

設計代碼

import numpy as np from sklearn.datasets import load_digits from sklearn.metrics import confusion_matrix, classification_report from sklearn.preprocessing import LabelBinarizer from NeuralNetwork import NeuralNetwork from sklearn.cross_validation import train_test_split digits = load_digits() X = digits.data y = digits.target X -= X.min() X /= X.max() nn = NeuralNetwork([64, 100, 10], 'logistic') X_train, X_test, y_train, y_test = train_test_split(X, y) labels_train = LabelBinarizer().fit_transform(y_train) labels_test = LabelBinarizer().fit_transform(y_test) print ("start fitting") nn.fit(X_train, labels_train, epochs=3000) predictions = [] for i in range(X_test.shape[0]): o = nn.predict(X_test[i]) predictions.append(np.argmax(o)) print (confusion_matrix(y_test, predictions) ) print (classification_report(y_test, predictions) )

?

相關文章
DL之NN：調用神經網絡sklearn、NeuralNetwor.py實現識別手寫的10個數字(數據集為1797個樣本)

總結

以上是生活随笔為你收集整理的DL之DNN：利用DNN算法对mnist手写数字图片识别数据集(sklearn自带,1797*64)训练、预测(95%)的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。