基于人工神经网络的数字识别功能实现(基于Adam优化器)

import tensorflow as tf from tensorflow.keras.optimizers import SGD,Adam import matplotlib.pyplot as plt import numpy as np # 载入数据集 mnist = tf.keras.datasets.mnist # 载入训练集和测试集 (x_train, y_train), (x_test, y_test) = mnist.load_data() # 归一化处理 x_train, x_test = x_train / 255.0, x_test / 255.0 # one-hot encoding # tf.keras.utils.to_categorical y_train = tf.keras.utils.to_categorical(y_train,num_classes=10) y_test = tf.keras.utils.to_categorical(y_test,num_classes=10) # 模型定义 # tf.keras.models.Sequential model1 = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(10, activation='softmax') ]) # 模型再次定义 # (28, 28)/ 10 model2 = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(10, activation='softmax') ]) # 定义 sgd 优化器，学习率 0. sgd = SGD(0.1) # 定义 Adam 优化器，学习率 0.001,Adam 优化器学习率通常较低 a/* 开发不易，整理也不易，如需要详细的说明文档和程序，以及完整的数据集，训练好的模型，或者进一步开发， 可加作者新联系方式咨询，WX：Q3101759565，QQ：3101759565 */ plt.plot(np.arange(epochs),history1.history['val_accuracy'],c='b',label='Adam') plt.plot(np.arange(epochs),history2.history['val_accuracy'],c='y',label='SGD') plt.legend() plt.xlabel('epochs') plt.ylabel('accuracy') plt.show()