把自己名字的每个字转换为神经网络的训练集
时间: 2024-02-21 12:57:41 浏览: 20
好的,下面是将自己名字的每个字转换为神经网络的训练集的代码:
```python
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from PIL import Image
import numpy as np
# 自己名字的每个字
chars = ['A', 'B', 'C', 'D']
# 将自己名字的每个字转换为神经网络的训练集
train_images = []
train_labels = []
for char in chars:
# 读取图片
img = Image.open(f"{char}.jpg").convert('L')
# 转换为灰度图
img = img.convert('L')
# 缩放图片
img = img.resize((28, 28), Image.ANTIALIAS)
# 将图片转换为数组
img_array = np.array(img)
# 归一化
img_array = img_array / 255.0
# 添加到训练集
train_images.append(img_array)
train_labels.append(chars.index(char))
# 将训练集转换为 numpy 数组
train_images = np.array(train_images)
train_labels = np.array(train_labels)
# 构建模型
model = keras.Sequential([
layers.Flatten(input_shape=(28, 28)),
layers.Dense(128, activation='relu'),
layers.Dense(64, activation='relu'),
layers.Dense(len(chars), activation='softmax')
])
# 编译模型
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# 训练模型
model.fit(train_images, train_labels, epochs=10)
# 保存模型
model.save('my_name_model')
```
在这个代码中,我们首先定义了自己名字的每个字,然后将每个字的图片读取、缩放、转换为灰度图、归一化,最后将它们转换为神经网络的训练集。然后构建了一个包含 3 个全连接层的神经网络,训练并保存模型。
相关推荐
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)