#ニューラルネットワークワインダー1 TFLearnのAPIの定義。 インポートtflearn インポートtflearn.datasets.mnist AS MNIST から tflearn.layers.conv インポートmax_pool_2d、conv_2d から tflearn.layers.estimator インポート回帰 から tflearn.layers.core インポートINPUT_DATA、ドロップアウト、fully_connected trainX、trainY、testX、testy = MNIST。 LOAD_DATA(DATA_DIR = " F .: 201806-GitHubの\\ \\ \\ TensorFlowGoogleデータセットMNIST_data \\ "、one_hot = TRUE) #フォーマット畳み込みニューラルネットワークの入力への画像データのサイズを変更します。 = trainX.reshape trainX([ - 1、28、28 ,. 1 ]) testX= testX.reshape([ - 1、28、28、1 ]) # 。构建神经网络 ネット= INPUT_DATA(形状=なし、28、28、1]、NAME = ' 入力' ) ネット =は(ネット、32 conv_2d 、5、活性化= ' relu ' ) ネット = max_pool_2d(ネットは、2 ) ネット =は、(ネット、64、5、活性化= conv_2d ' relu ' ) ネット = max_pool_2d(ネット、2 ) ネット fully_connected =を(ネット、500、活性化= ' relu ' ) ネット = fully_connected(ネット、10、活性化= ' ソフトマックス' ) #タスクを学んで定義します。SGDはオプティマイザ、0.01の学習、クロスエントロピー機能の喪失を指定します。 回帰= NET(NET、オプティマイザ= ' SGD '、learning_rate = 0.01、損失= ' categorical_crossentropy ')
#2。電車TFLearnによってニューラルネットワークAPI。 #学習モデル定義されたネットワークアーキテクチャ、データにモデルの検証及び検証の効果は、指定されました。 = tflearn.DNNモデル(NET、tensorboard_verbose = 0) model.fit(trainX、trainY、n_epoch = 10、validation_set =([testX、testy])、show_metric = TRUE)