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.modelsをインポート load_modelを
1 #载入数据
2(x_train、y_train)、(x_test、y_test)= mnist.load_data()
3 #(60000,28,28)
4 プリント(' x_shape:' 、x_train.shape)
5 #(60000)
6 印刷(' y_shape:' 、y_train.shape)
7 #(60000,28,28) - >(60000,784)
8 x_train = x_train.reshape(x_train.shape [0]、 - 1)/255.0
9 x_test = x_test .reshape(x_test.shape [0]、 - 1)/255.0
10 #换ワンホット格式
11y_train = np_utils.to_categorical(y_train、num_classes = 10 )
12 y_test = np_utils.to_categorical(y_test、num_classes = 10 )
13
14 #载入模型
15モデル= load_model(' model.h5 ' )
16
17 #评估模型
18の損失、精度= model.evaluate(x_test、y_test)
19
20 プリント(' \ NTEST損失' 、損失)
21 プリント(' 精度'、精度)
#トレーニングモデル
model.fit(x_train、y_train、BATCH_SIZE = 64、エポック= 2 )
#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(' 精度'、精度)
#保存パラメータ、ロードパラメータ
model.save_weights(' my_model_weights.h5 ' )
model.load_weights(' my_model_weights.h5 ' )
#ネットワーク構造のセーブ、ロードされたネットワーク構造
から keras.models インポートmodel_from_json
json_string = model.to_json()
モデル = model_from_json(json_string)