CNN对特征矩阵的尝试

在Keras对手写数字mnist测试完以后 用来尝试做自己的特征矩阵和标签

# -*- coding: utf-8 -*-
“““
Created on Wed Jul 27 14:46:31 2016
http://blog.csdn.net/treasure_z/article/details/51164375
http://www.360doc.com/content/16/0608/13/1317564_566039312.shtml
http://blog.csdn.net/treasure_z/article/details/51125146
http://benjaminbolte.com/blog/2016/keras-language-modeling.html
@author: admin
“““
from __future__ import absolute_import
from __future__ import print_function
from keras.models import Sequential
from keras.layers.core import Dense Dropout Activation Flatten
from keras.layers.convolutional import Convolution1DMaxPooling1DAveragePooling1D
#from keras.optimizers import SGD
#from keras.utils import np_utils
from six.moves import range
import random
from keras.callbacks import EarlyStopping
import numpy  as np
import sys
reload（sys）
sys.setdefaultencoding（‘utf8‘）

print（“read feature and label...“）
data=np.loadtxt（‘feature0704.txt‘dtype=‘float‘）
data.shape=16438373

label=np.loadtxt（“label0704.txt“dtype=‘int‘）
label.shape =1643 1
index = [i for i in range（len（data））]
random.shuffle（index）
data = data[index]
label = label[index]
（X_trainX_val） = （data[0:900]data[900:]）
（Y_trainY_val） = （label[0:900]label[900:]）
#np.random.seed（1643）  
#nb_class = 2
#label = np_utils.to_categorical（label nb_class） #二类别不需要
#################################################################
def create_model（）:
    print（“first layer...“）
    model=Sequential（）
    model.add（Convolution1D（nb_filter=1641filter_length=3border_mode=“valid“activation=“relu“input_shape=（16438373）subsample_length=1））
    model.add（MaxPooling1D（pool_length=2））
    #model.add（AveragePooling1D（pool_length=2））
    model.add（Flatten（））
    print（“the second layer...“）
    model.add（Dense（8373activation=“relu“））
    model.add（Dropout（0.5））
    print（“the third layer...“）
    model.add（Dense（1activation=“sigmoid“））
    return model    
##################################################################  
model = create_model（）
print（“Compiling model..“）
model.compile（loss=“binary_crossentropy“ optimizer=“rmsprop“class_mode = “binary“metrics=[“accuracy“]）
print（“Fitting model..“）
early_stopping = EarlyStopping（monitor=‘val_loss‘ patience=1）
hist = model.fit（X_train Y_train batch_size =100show_accuracy=True nb_epoch = 5 validation_data = （X_val Y_val）callbacks=[early_stopping]）

#preLabels = model.predict_classes（testArray batch_size = batch_sizeverbose = 2）

################################################################
#score=model.evaluate（X_test Y_test batch_size=100show_accuracy=True verbose=1） 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2016-08-05 09:36  myCNNtry\
     文件        2642  2016-07-27 17:33  myCNNtry\myCNN.py
     文件        2202  2016-07-27 17:44  myCNNtry\myCNN2.py
     文件        2629  2016-07-28 14:15  myCNNtry\myCNN3.py