接下来编译模型。在编译模型时，设置损失函数与优化器。model.compile(loss='categorical_crossentropy',optimizer='adam',metrics=['accuracy'])Keras有多种损失函数和开箱即用的优化器可供选择。...

接下来定义神经网络模型架构。在实际的研发工作中，模型架构研究是主要工作。当你刚刚开始时，可以从学术论文中复制经过验证的架构，或者使用现有的示例，Keras中的示例网址。首先声明一个Sequential模型格式:model=Sequential()接下来，声明输入层:model.add(Convolution2D(32,...

让我们看看分类标签数据:print(y_train.shape)#(60000,)print(y_train[:10])#[5041921314]可以看到，这是一个一位数组，包含了训练数据集对应的标签。在Keras中，模型训练时，需要把分类标签数据转换为类似位图的矩阵，例如y_train前面10个值是：[5041921...

首先需要调整数据集的形状，让其包含图像的位深信息。打印原始数据集的形状：>>>print(X_train.shape)(60000,28,28)可以看到并没有包含图像的位深信息。MNIST是灰度图像，位深为1，我们将数据集从形状(n，宽度，高度)转换为(n，位深，宽度，高度)。ifK.image_da...

MNIST是一个经典的深度学习和计算机视觉的数据集，里面包含了0-9的手写数字图片，开发人员可使用此数据集来训练和测试神经网络，训练后的神经网络可以识别手写数字。Keras库已经包含了这个数据集，可以从Keras库中加载:fromkeras.datasetsimportmnist#将预打乱的MNIST数据加载到训练和测...

让我们从导入numpy开始，并为计算机的伪随机数生成器设置一个种子，相同种子可以产生同系列的随机数。importnumpyasnpnp.random.seed(123)#种子相同，随机数产生可以重现接下来，将从Keras导入Sequential模型类型。这是一个简单的线性神经网络层的栈，它非常适合本教程将构建的前馈CN...

我们使用主流的TensorFlow作为Keras的底层实现。Keras需要依赖下面的库，确保电脑上已经安装:Python3NumPySciPyMatplotlibTensorFlow检查一下是否安装正确:命令行上输入:>pythonPython3.7.3(v3.7.3:ef4ec6ed12,Mar252019,2...

可以使用plt.savefig()函数将图形保存到png文件中。示例#保存图形plt.savefig("foo.png")#保存为透明图像plt.savefig("foo.png",transparent=True)示例#导入PdfPagesfrommatplotlib.backends.backend_pdfimpo...

柱状图/条形图是常见的图形类型，可使用bar()方法绘制。示例#导入numpy库与matplotlib.pyplot库importnumpyasnpimportmatplotlib.pyplotasplt#柱状图条目divisions=["Div-A","Div-B","Div-C","Div-D","Div-E"]#...

个图(figure)中可以包含多个子图(subplot)。可以使用subplot()添加子图。示例创建2个子图，水平排列。#导入numpy库与matplotlib.pyplot库importnumpyasnpimportmatplotlib.pyplotasplt#创建一个新的子图，网格1x2，序号为1，第一个数字是行...

本章我们将从一个简单的图形开始，演示各种绘图方法，逐步丰富图形，使其更美观。Matplotlib中，绘制图形时，可以设置一些属性，包括：图形大小、dpi、行宽、颜色和样式、坐标轴、网格属性、文本和字体属性等等。如果不设置，则将使用属性的默认值。示例使用默认设置，绘制正弦函数和余弦函数的曲线图。#导入numpy库与mat...

Figure表示整个绘图，可以理解为一个画布，绘图中可以包含多个子图形（subplot）。如果不显式创建figure，会使用默认的figure。示例显式创建figure#创建一个大小为8x6英寸的图形，每英寸80个点plt.figure(figsize=(8,6),dpi=80)Subplot是指一个具体的数据图形。示...

让我们从一个简单的图形开始。示例#以别名plt导入pyplot模块importmatplotlib.pyplotasplt#准备数据x=[1,2,3,4]y=[1,4,9,16]#绘制数据plt.plot(x,x,label='linear')#添加图例plt.legend()#显示图形plt.show()什么是图例？...

scipy.stats模块包含了统计工具以及概率分析工具。给定随机过程的观测值，其直方图是随机过程的概率密度函数PDF的估计量:示例importnumpyasnpsamples=np.random.normal(size=1000)bins=np.arange(-4,5)binshistogram=np.histogr...

scipy.signal模块专门用于信号处理。scipy.signal.resample()函数使用FFT将信号重采样成n个点。示例importnumpyasnpt=np.linspace(0,5,100)x=np.sin(t)fromscipyimportsignalx_resampled=signal.resamp...