请帮我写一个手写数字识别cnn模型
时间: 2024-10-27 07:10:43 浏览: 9
基于CNN神经网络的手写数字识别代码和实验报告
5星 · 资源好评率100%
手写数字识别的CNN(卷积神经网络)模型通常用于图像分类任务,如MNIST数据集就是一个经典的手写数字识别数据集。下面是一个简单的例子,展示如何使用Python(比如TensorFlow或PyTorch)构建一个基本的CNN模型:
```python
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
# 定义模型
model = Sequential()
# 添加第一个卷积层
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1))) # MNIST图片输入是28x28像素,单通道灰度图
# 卷积层之后常跟池化层以减小特征尺寸并保留关键信息
model.add(MaxPooling2D(pool_size=(2, 2)))
# 再添加一到两层更深的卷积层,可以调整参数
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
# 将卷积层转换为全连接层处理
model.add(Flatten()) # 展平卷积层后的二维特征向量
# 全连接层用于做分类预测
model.add(Dense(units=128, activation='relu'))
# 输出层用softmax激活,因为我们要的是每个数字的概率分布
model.add(Dense(units=10, activation='softmax'))
# 编译模型,指定损失函数、优化器和评价指标
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
# 打印模型结构
model.summary()
```
阅读全文