Tensorflow实战03-利用卷积识别手写字体

桃扇骨 2023-03-02 05:10 55阅读 0赞

> ##### 注：学习完深度学习的基本知识后，本练习可帮助大家逐步从理论转向实战，如果对深度学习还不太了解，前先学习深度学习的基本知识以及原理 #####

###### 在你的练习中，看看你是否可以只用一个卷积层和一个MaxPooling 2D将MNIST提高到99.8%或更高的精度。一旦精度超过这个数值，你就应该停止训练。它应该发生在不到20个时代，所以硬编码训练的时代数是可以的，但是一旦达到上述指标，你的训练就必须结束。如果没有，那么你需要重新设计你的图层。 ######

###### 当命中99.8%的命中率时，你应该打印出字符串“命中率达到99.8%，所以取消训练！” ######

#### 在下方有空的地方填写代码并检验： ####

import tensorflow as tf
    
    # YOUR CODE STARTS HERE
    
    # YOUR CODE ENDS HERE
    
    mnist = tf.keras.datasets.mnist
    (training_images, training_labels), (test_images, test_labels) = mnist.load_data()
    
    # YOUR CODE STARTS HERE
    
    # YOUR CODE ENDS HERE
    
    model = tf.keras.models.Sequential([
        # YOUR CODE STARTS HERE
    
        # YOUR CODE ENDS HERE
    ])
    
    # YOUR CODE STARTS HERE
    
    # YOUR CODE ENDS HERE

#### 参考答案： ####

import tensorflow as tf
    
    class myCallback(tf.keras.callbacks.Callback):
      def on_epoch_end(self, epoch, logs={}):
        if(logs.get('acc')>0.998):
          print("\nReached 99.8% accuracy so cancelling training!")
          self.model.stop_training = True
    
    callbacks = myCallback()
    mnist = tf.keras.datasets.mnist
    (training_images, training_labels), (test_images, test_labels) = mnist.load_data()
    training_images=training_images.reshape(60000, 28, 28, 1)
    training_images=training_images / 255.0
    test_images = test_images.reshape(10000, 28, 28, 1)
    test_images=test_images/255.0
    model = tf.keras.models.Sequential([
      tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(28, 28, 1)),
      tf.keras.layers.MaxPooling2D(2, 2),
      tf.keras.layers.Flatten(),
      tf.keras.layers.Dense(128, activation='relu'),
      tf.keras.layers.Dense(10, activation='softmax')
    ])
    model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
    model.fit(training_images, training_labels, epochs=10, callbacks=[callbacks])