Keras에 대한 초보자 안내서 : 30 분 만에 숫자 인식

이 기사는 CNN (Convolutional Neural Network) 및 MNIST 데이터 세트를 사용하여 필기 숫자 인식을위한 Keras 모델을 구축하는 자세한 내용입니다. 명확성과 개선 된 흐름을 위해 그것을 다시 표현합시다

keras 로 필기 된 숫자 인식기를 구축합니다 이 튜토리얼은 신경 네트워크 건물을 단순화하는 고급 API 인 Python 's Keras Library를 사용하여 필기 숫자를 인식하는 모델을 만드는 것을 보여줍니다. 우리는 CNN (Convolutional Neural Networks)의 힘을 활용하고 널리 사용되는 MNIST 데이터 세트. 접근 방식

우리의 모델은 이미지 분류를위한 특히 효율적인 아키텍처 인 CNN을 사용합니다. 기존 신경망과 달리 CNNS는 3D 어레이 (X, Y 좌표 및 색상)로 데이터를 처리하여 이미지 데이터에 이상적입니다. 60,000 개의 교육과 필기 숫자의 10,000 개의 테스트 예를 포함하는 MNIST 데이터 세트는 교육에 필요한 라벨이 붙은 데이터를 제공합니다. 인공 신경 네트워크 (anns) 및 CNNS ann은 입력 데이터를 숨겨진 층을 통해 출력으로 변환하는 수학적 모델이며, 각 층은 확률을 나타냅니다. 훈련에는 오류에 따라 무게와 바이어스를 조정하여 네트워크가 패턴을 배울 수 있습니다. CNNS는 이미지 처리에 중요한 이점을 제공합니다. 그들의 3D 어레이 구조는 각 숨겨진 레이어 노드가 작은 입력 영역에만 연결되어 기존 ANN에 비해 효율성이 크게 증가 함을 의미합니다. 주요 CNN 층에는 컨볼 루션 레이어 (피처 추출), 풀링 층 (피처 감소), 평평한 층 (차원 감소) 및 최종 분류 층이 포함됩니다.

MNIST 데이터 세트 작업 로 작업합니다 MNIST 데이터 세트는 Keras 내에서 쉽게 사용할 수 있습니다. 우리는

를 사용하여 교육 및 테스트 데이터를로드합니다. 샘플 자리를 시각화하면 데이터 구조를 이해하는 데 도움이됩니다

훈련 및 테스트 세트에는 각각 28x28 픽셀 이미지를 나타내는 크기 (60000, 28, 28) 및 (10000, 28, 28)이 있습니다. 데이터 전처리 모델 생성 전에 데이터에는 전처리가 필요합니다 :

재구성 : 정규화 :
1. 픽셀 값 (0-255)은 255로 나누어 0-1로 정규화됩니다. 1 인용 인코딩 : 모델의 출력과의 호환성을 위해 종속 변수 (, )가 이진 클래스 행렬로 변환됩니다. .reshape()
모델 디자인 및 훈련
2. 우리의 CNN 모델은 순차적으로 구축되었습니다 : 컨볼 루션 레이어 : 입력 이미지에서 기능을 추출합니다 풀링 레이어 :
차원 및 계산 비용을 줄입니다 드롭 아웃 레이어 :
3. 오버 피팅을 방지합니다 평평한 레이어 : 다차원 출력을 1D 어레이로 변환합니다. 조밀 한 레이어 : 최종 분류 수행 y_train y_test 모델은 손실 (정수 레이블), Adam Optimizer 및 메트릭으로 정확도를 사용하여 컴파일됩니다. 훈련은 , 에포크 및 배치 크기를 지정하여 수행됩니다. 훈련 된 모델은 나중에 사용하기 위해 저장됩니다. to_categorical()

사용자 정의 이미지로 테스트

<code class="language-python">from keras.datasets import mnist
import matplotlib.pyplot as plt

(x_train, y_train), (x_test, y_test) = mnist.load_data()
image_index = 35
plt.imshow(x_train[image_index], cmap='Greys')
plt.show()</code>

모델을 테스트하기 위해 사용자 정의 필기 숫자 이미지를로드하고, 전처리 (그레이 스케일로 변환, 재구성, 정규화), 저장된 모델을로드하고, 를 사용하여 분류를 얻습니다. .

결론

1. 이 튜토리얼은 Keras 및 CNN을 사용하여 필기 숫자 인식 모델을 구축하는 것에 대한 기본적인 이해를 제공합니다. 높은 정확도 (예 : & gt; 99%)를 달성하는 동안 모델 매개 변수 튜닝, 데이터 증강 및보다 고급 CNN 아키텍처 탐색을 통해 추가 개선이 가능합니다. 제공된 FAQ는 관련된 개념에 대한 추가 통찰력을 제공합니다.

위 내용은 Keras에 대한 초보자 안내서 : 30 분 만에 숫자 인식의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!