用python写训练保存DCNN网络模型
时间: 2023-10-02 16:07:57 浏览: 101
好的,以下是用Python写训练保存DCNN网络模型的示例代码:
```python
import tensorflow as tf
from tensorflow.keras import layers
# 定义DCNN网络结构
model = tf.keras.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Flatten())
model.add(layers.Dense(10, activation='softmax'))
# 编译模型
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# 加载数据集
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
# 数据预处理
x_train = x_train.reshape((60000, 28, 28, 1))
x_test = x_test.reshape((10000, 28, 28, 1))
x_train, x_test = x_train / 255.0, x_test / 255.0
# 训练模型
model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))
# 保存模型
model.save('dcnn_model.h5')
```
在上述代码中,我们首先定义了一个基本的DCNN网络结构,然后编译模型,加载数据集并进行数据预处理,最后训练模型并保存模型。保存模型时,我们使用了`model.save()`方法将模型保存为`dcnn_model.h5`文件。
阅读全文