内容简介:演示开始时需要加载大概调整训练集的大小, 观察测试结果的准确性
https://github-laziji.github.io/digit-recognizer/
演示开始时需要加载大概 100M
的训练数据, 稍等片刻
调整训练集的大小, 观察测试结果的准确性
数据来源
digit-recognizer
题目给出 42000
条训练数据(包含图片和标签)以及 28000
条测试数据(只包含图片)
要求给这些测试数据打上标签 [0-9]
描述该图像显示的是哪个数字, 要尽可能的准确
网站中还有许多其他的机器学习的题目以及数据, 是个很好的练手的地方
实现
TensorFlow
是一个开源的机器学习库, 利用这个库我们可以快速地构建机器学习项目
这里我们使用 TensorFlow.js
来实现识别手写数字
创建模型
卷积神经网络的第一层有两种作用, 它既是输入层也是执行层, 接收 IMAGE_H * IMAGE_W
大小的黑白像素
最后一层是输出层, 有10个输出单元, 代表着 0-9
这十个值的概率分布, 例如 Label=2 , 输出为 [0.02,0.01,0.9,...,0.01]
function createConvModel() { const model = tf.sequential(); model.add(tf.layers.conv2d({ inputShape: [IMAGE_H, IMAGE_W, 1], kernelSize: 3, filters: 16, activation: 'relu' })); model.add(tf.layers.maxPooling2d({ poolSize: 2, strides: 2 })); model.add(tf.layers.conv2d({ kernelSize: 3, filters: 32, activation: 'relu' })); model.add(tf.layers.maxPooling2d({ poolSize: 2, strides: 2 })); model.add(tf.layers.conv2d({ kernelSize: 3, filters: 32, activation: 'relu' })); model.add(tf.layers.flatten({})); model.add(tf.layers.dense({ units: 64, activation: 'relu' })); model.add(tf.layers.dense({ units: 10, activation: 'softmax' })); return model; }
训练模型
我们选择适当的优化器和损失函数, 来编译模型
async function train() { ui.trainLog('Create model...'); model = createConvModel(); ui.trainLog('Compile model...'); const optimizer = 'rmsprop'; model.compile({ optimizer, loss: 'categoricalCrossentropy', metrics: ['accuracy'], }); const trainData = Data.getTrainData(ui.getTrainNum()); ui.trainLog('Training model...'); await model.fit(trainData.xs, trainData.labels, {}); ui.trainLog('Completed!'); ui.trainCompleted(); }
测试
这里测试一组测试数据, 返回对应的标签, 即十个输出单元中概率最高的下标
function testOne(xs){ if(!model){ ui.viewLog('Need to train the model first'); return; } ui.viewLog('Testing...'); let output = model.predict(xs); ui.viewLog('Completed!'); output.print(); const axis = 1; const predictions = output.argMax(axis).dataSync(); return predictions[0]; }
以上所述就是小编给大家介绍的《TensorFlow.js 卷积神经网络手写数字识别》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
CSS 压缩/解压工具
在线压缩/解压 CSS 代码
HEX HSV 转换工具
HEX HSV 互换工具