1つの インポートNPとしてnumpyの 2 から keras.datasetsはインポートmnist 3 から keras.utilsがインポートnp_utils 4 から keras.modelsをインポートシーケンシャル 5 から keras.layers インポート高密度 6 から keras.optimizers インポートSGD 7 から keras.regularizersをインポート L2を
#载入数据 (x_train、y_train)、(x_test、y_test)= mnist.load_data()は、 #(60000,28,28) プリント(' x_shape:' 、x_train.shape) #(60000) プリント(' y_shape:' 、y_train.shape) #(60000,28,28) - >(60000,784) x_train = x_train.reshape(x_train.shape [0]、 - 1)/255.0 x_test = x_test.reshape(x_test.shape [0] 、-1)/255.0 #换ワンホット格式 y_train = np_utils.to_categorical(y_train、num_classes = 10 ) y_test = np_utils.to_categorical(y_test、num_classes = 10 ) #创建模型 モデル= シーケンシャル([ 高密度(単位 = 200、input_dim = 784、bias_initializer = ' 1 '、活性化= ' TANH '、kernel_regularizer = L2(0.0003 ))、 高密度(単位 = bias_initializer = 100、' 1 '、活性化= ' TANH 'kernel_regularizer = L2(0.0003 ))、 高密度(単位 = 10、bias_initializer = ' 1 '活性化= ' ソフトマックス'、kernel_regularizer = L2(0.0003 )) ]) #定义优化器 = SGD SGD(LR = 0.2 ) #はオプティマイザ、損失関数、トレーニングプロセスの算出精度定義 model.compile( オプティマイザ = SGD、 損失 = ' categorical_crossentropy ' 、 メトリック = [ ' 精度' ] ) #のトレーニングモデル モデル。フィット(x_train、y_train、BATCH_SIZE = 32、= 10のエポック) #の評価モデルの 損失、精度= model.evaluate(x_test、android.permission.FACTOR。) 印刷(' \ NTEST損失' 、損失) を印刷(' 試験精度' 、精度) 損失、精度 = model.evaluate(x_train、y_train) プリント(' 列車損失' 、損失) プリント(' 列車精度'、精度)