1.手写数字数据集

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

 

运行结果：

 

 

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
  • 张量结构

归一化处理：

 

运行结果：

 

 独热编码：

 运行结果：

训练集和测试集划分：

 运行结果：

 

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：

 

4.模型训练

  • 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)

运行结果：

 

5.模型评价

  • model.evaluate()
  • 交叉表与交叉矩阵
  • pandas.crosstab
  • seaborn.heatmap

模型评价：model.evaluate()

 运行结果：

 

交叉表与交叉矩阵：

运行结果：

 

pandas.crosstab：

运行结果：

seaborn.heatmap：

运行结果：