神经网络入门代码（见系列博客）

神经网络入门代码，keras实现，MNIST数据集识别，详情见博客：http://blog.csdn.net/adamshan/article/details/79004784

from __future__ import print_function

import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
from matplotlib import pyplot as plt

def read_data（num_classes）:
    # the data shuffled and split between train and test sets
    （x_train y_train） （x_test y_test） = mnist.load_data（）

    x_train = x_train.reshape（60000 784）
    x_test = x_test.reshape（10000 784）
    x_train = x_train.astype（‘float32‘）
    x_test = x_test.astype（‘float32‘）
    x_train /= 255
    x_test /= 255
    print（x_train.shape[0] ‘train samples‘）
    print（x_test.shape[0] ‘test samples‘）

    # convert class vectors to binary class matrices
    y_train = keras.utils.to_categorical（y_train num_classes）
    y_test = keras.utils.to_categorical（y_test num_classes）
    return x_train y_train x_test y_test

def model（x_train y_train x_test y_test batch_size epochs num_classes）:
    model = Sequential（）
    model.add（Dense（15 activation=‘relu‘ input_shape=（784）））
    model.add（Dense（num_classes activation=‘softmax‘））

    model.summary（）

    model.compile（loss=‘categorical_crossentropy‘
                  optimizer=SGD（lr=0.01）
                  metrics=[‘accuracy‘]）

    history = model.fit（x_train y_train
                        batch_size=batch_size
                        epochs=epochs
                        verbose=1
                        validation_data=（x_test y_test））

    ### print the keys contained in the history object
    print（history.history.keys（））
    plot_training（history=history）
    model.save（‘model.json‘）

    score = model.evaluate（x_test y_test verbose=0）
    print（‘Test loss:‘ score[0]）
    print（‘Test accuracy:‘ score[1]）


def plot_training（history）:
    ### plot the training and validation loss for each epoch
    plt.plot（history.history[‘loss‘]）
    plt.plot（history.history[‘val_loss‘]）
    plt.title（‘model mean squared error loss‘）
    plt.ylabel（‘mean squared error loss‘）
    plt.xlabel（‘epoch‘）
    plt.legend（[‘training set‘ ‘validation set‘] loc=‘upper right‘）
    plt.show（）


def show_samples（samples labels）:
    plt.figure（figsize=（12 12））
    for i in range（len（samples））:
        plt.subplot（4 4 i+1）
        plt.imshow（samples[i] cmap=‘gray‘）
        plt.title（labels[i]）
    plt.show（）


if __name__ == ‘__main__‘:
    batch_size = 128
    num_classes = 10
    epochs = 20

    x_train y_train x_test y_test = read_data（num_classes）

    model（x_train y_train x_test y_test batch_size epochs num_classes）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-01-08 16:49  code\
     文件     5382352  2018-01-08 16:49  code\model.json
     文件        2588  2018-01-08 16:49  code\model.py
     目录           0  2018-01-08 16:49  code\.ipynb_checkpoints\
     文件      330403  2018-01-08 16:49  code\.ipynb_checkpoints\Untitled-checkpoint.ipynb
     文件      330403  2018-01-08 16:49  code\model.ipynb
     目录           0  2018-01-08 16:49  code\.idea\
     目录           0  2018-01-08 16:49  code\.idea\inspectionProfiles\
     文件         562  2018-01-08 16:49  code\.idea\inspectionProfiles\Project_Default.xml
     文件         459  2018-01-08 16:49  code\.idea\code.iml
     文件       12139  2018-01-08 16:49  code\.idea\workspace.xml
     文件         260  2018-01-08 16:49  code\.idea\modules.xml
     文件         209  2018-01-08 16:49  code\.idea\misc.xml