15 手写数字识别-小数据集

Posted gidupar

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了15 手写数字识别-小数据集相关的知识,希望对你有一定的参考价值。

15 手写数字识别-小数据集

1.手写数字数据集

  • from sklearn.datasets import load_digits
  • digits = load_digits()

技术图片

 

 

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

技术图片

技术图片

 

 

 

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。 

模型结构图如下:

技术图片    

 设计依据:

(1)模型是层的堆叠,参考VGGnet模型,一条路走到黑,小卷积核,小池化核。

(2)模型使用了四层卷积,三个池化层,所以加入Dropout层来防止过拟合。

技术图片

 

 技术图片

 

4.模型训练

技术图片
def show_train_history(train_history, train, validation):
    plt.plot(train_history.history[train])
    plt.plot(train_history.history[validation])
    plt.title(‘Train History‘)
    plt.ylabel(‘train‘)
    plt.xlabel(‘epoch‘)
    plt.legend([‘train‘, ‘validation‘], loc=‘upper left‘)
    plt.show()


model.compile(loss=‘categorical_crossentropy‘, optimizer=‘adam‘, metrics=[‘accuracy‘])
train_history = model.fit(x=X_train, y=y_train, validation_split=0.2, batch_size=300, epochs=10, verbose=2)
show_train_history(train_history, ‘accuracy‘, ‘val_accuracy‘)
show_train_history(train_history, ‘loss‘, ‘val_loss‘)
技术图片

技术图片

 

 技术图片

5.模型评价

  • model.evaluate()
  • 交叉表与交叉矩阵
  • pandas.crosstab
  • seaborn.heatmap
    技术图片
    score = model.evaluate(X_test, y_test)
    print(‘score:‘, score)
    y_pred = model.predict_classes(X_test)
    print(‘y_pred:‘, y_pred[:10])
    # 交叉表与交叉矩阵
    y_test1 = np.argmax(y_test, axis=1).reshape(-1)
    y_true = np.array(y_test1)[0]
    pd.crosstab(y_true, y_pred, rownames=[‘true‘], colnames=[‘predict‘])
    # seaborn.heatmap
    y_test1 = y_test1.tolist()[0]
    a = pd.crosstab(np.array(y_test1), y_pred, rownames=[‘Lables‘], colnames=[‘Predict‘])
    df = pd.DataFrame(a)
    sns.heatmap(df, annot=True, cmap="Reds", linewidths=0.2, linecolor=‘G‘)
    plt.show()
    技术图片

    技术图片

     

     技术图片

     

 

以上是关于15 手写数字识别-小数据集的主要内容,如果未能解决你的问题,请参考以下文章

15 手写数字识别-小数据集

15 手写数字识别-小数据集

15 手写数字识别-小数据集

15 手写数字识别-小数据集

15.手写数字识别-小数据集

15 手写数字识别-小数据集