TensorFlow 2 教學:Keras–MNIST–數字辨識

tensorflow

前言阿嬤碎碎念

這篇文章我們將使用 Keras 搭配 MNIST 手寫數字資料來搭建一個數字辨識模型,一步步帶你使用 TensorFlow2 實做數字辨識,請跟隨程式碼上的註解閱讀理解,並可以至 Github 上將 Jupyter Notebook 程式碼下載下來,實際跑跑看。

Github 程式碼

MNIST 手寫數字圖片

在安裝完 Tensorflow2 後,我們就可以開始打造我們的第一個數字辨識模型。這是簡單版的數字辨識模型,之後會寫文章介紹如何打造更好的模型(同時學習深度學習概念),以及使用客製化的方式打造自己的模型。  

MNIST 裡面涵蓋的圖片包含手寫數字 0 ~ 9,共 10 個class,每張圖片的大小為 28 X 28。

Jupyter Notebook — Github程式碼

3 Comments

    1. 因為使用的 loss 為 sparse_categorical_crossentropy, 所以 label 可以不用做 one hot。可以參考官方文件

      用法為 :
      y_true = [1, 2]
      y_pred = [[0.05, 0.95, 0], [0.1, 0.8, 0.1]]
      loss = tf.keras.losses.sparse_categorical_crossentropy(y_true, y_pred)

  1. 請問你這篇文章訓練的時候有用到GPU嗎?是什麼規格?
    我要怎麼知道自己的電腦在訓練的時候有沒有用到GPU?
    因為都是import tensorflow所以要怎確定?
    感謝]

留言討論區