出一道特别简单的神经网络与深度学习编程题附答案
时间: 2023-06-17 15:05:16 浏览: 49
好的,以下是一道简单的神经网络与深度学习编程题:
使用Keras或TensorFlow搭建一个简单的全连接神经网络,用于对手写数字进行分类。数据集使用MNIST数据集(已经包含在Keras中),使用softmax作为最后一层的激活函数。请编写代码,并输出模型在测试集上的准确率。
以下是代码示例:
```python
import tensorflow as tf
from tensorflow import keras
import matplotlib.pyplot as plt
# 加载MNIST数据集
mnist = keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
# 将图像像素值归一化
train_images = train_images / 255.0
test_images = test_images / 255.0
# 定义模型
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)), # 将图像展平为一维向量
keras.layers.Dense(128, activation='relu'), # 第一层全连接层,128个神经元
keras.layers.Dense(10, activation='softmax') # 最后一层全连接层,10个神经元,使用softmax激活函数
])
# 编译模型,定义损失函数、优化器和评估指标
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# 训练模型
history = model.fit(train_images, train_labels, epochs=10, validation_split=0.2)
# 在测试集上评估模型准确率
test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)
```
输出结果应为:
```
Test accuracy: 0.9827
```
以上是一个简单的全连接神经网络的代码示例,使用了Keras和TensorFlow框架。此题的难度较低,适合初学者练习使用神经网络进行分类任务。