import tensorflflow as tfimport matplotlib.pyplot as plt23 阿里云AI产品必知必会系列电子书batch = 32# 创建模型model = keras.Sequential([ # 卷积层1 keras.layers.Conv2D(6, 5), # 使用6个5*5的卷积核对单通道32*32的图片进行卷积，结果得到6个28*28的特征图 keras.layers.MaxPooling2D(pool_size=2, strides=2), # 对28*28的特征图进行2*2最大池化，得到14*14的特征图 keras.layers.ReLU(), # ReLU激活函数 # 卷积层2 keras.layers.Conv2D(16, 5), # 使用16个5*5的卷积核对6通道14*14的图片进行卷积，结果得到16个10*10的特征图 keras.layers.MaxPooling2D(pool_size=2, strides=2), # 对10*10的特征图进行2*2最大池化，得到5*5的特征图 keras.layers.ReLU(), # ReLU激活函数 # 卷积层3 keras.layers.Conv2D(120, 5), # 使用120个5*5的卷积核对16通道5*5的图片进行卷积，结果得到120个1*1的特征图 keras.layers.ReLU(), # ReLU激活函数 # 将 (None, 1, 1, 120) 的下采样图片拉伸成 (None, 120) 的形状 keras.layers.Flatten(), # 全连接层1 keras.layers.Dense(84, activation='relu'), # 120*84 # 全连接层2 keras.layers.Dense(10, activation='softmax') # 84*10])model.build(input_shape=(batch, 32, 32, 1))model.summary()model.compile(optimizer=keras.optimizers.Adam(), loss=keras.losses.CategoricalCrossentropy(), metrics=['accuracy'])# 训练history = model.fifit(train_db, epochs=50)# 损失下降曲线plt.plot(history.history['loss'])plt.title('model loss')plt.ylabel('loss')plt.xlabel('epoch')plt.show()# 测试model.evaluate(test_db)

scikit-learn==0.24.2tensorflflow==2.3.0