Kaggle-Digit Recognizer-(多分类+卷积神经网络CNN)

Digit Recognizer
题意：

给你每个图片的dataframe范例的数据，让你预测出每个图片可能是多少。
数据处理

1.首先把数据从dadaframe转换成numpy，数据范例改为float32，而且而且睁开为1维的28×28×1的外形，也就是28宽28高灰色通道。而且都要/255，因为灰度值是0-255，把灰度值压缩成0-1。
2.把train的image和label分开，然后split成训练聚集和验证聚集。
建立模型：

Sequential()，构建次序模型，选择按条理序堆叠。
添加卷积层，32个卷积核，内核为3×3，线性处理。
添加池化层，池化窗口2×2，步长为2。
添加卷积层，32个卷积核，内核为3×3，线性处理。
添加池化层，池化窗口2×2，步长为2。
Flatten()，将二维特征图展平为一维向量。
128个全神经元，relu激活函数。
输出层10个神经元对应10个答案，softmax激活函数举行分类。
代码：

1. import sys
2. import pandas as pd
3. import torch
4. from sklearn.model_selection import train_test_split
5. from tensorflow.keras.models import Sequential
6. from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
9. if __name__ == "__main__":
10.     data_train = pd.read_csv("train.csv")
11.     data_test = pd.read_csv("test.csv")
12.     X = data_train.drop(['label'],axis=1).values.reshape(-1, 28, 28, 1).astype('float32')
13.     Y = data_train['label'].values
14.     X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=2)
15.     X_train /= 255.0
16.     X_test /= 255.0
17.     data_test = data_test.values.reshape(-1, 28, 28, 1).astype('float32')/255.0
19.     model = Sequential()
20.     model.add(Conv2D(32, kernel_size=(3, 3), padding='valid', activation='relu', input_shape=(28, 28, 1)))
21.     model.add(MaxPooling2D(pool_size=(2, 2), strides=2, padding='valid'))
22.     model.add(Conv2D(32, kernel_size=(3, 3), padding='valid', activation='relu'))
23.     model.add(MaxPooling2D(pool_size=(2, 2), strides=2, padding='valid'))
25.     model.add(Flatten())
26.     model.add(Dense(128, activation='relu'))
27.     model.add(Dense(10, activation='softmax'))
29.     model.compile(
30.         loss='sparse_categorical_crossentropy',
31.         optimizer='adam',
32.         metrics=['accuracy']
33.     )
34.     history = model.fit(X_train, Y_train, epochs=10, validation_split=0.2)
35.     y_pred =model.predict(data_test).argmax(axis=1)
36.     anw = pd.DataFrame({"ImageId": range(1,len(y_pred)+1), "Label": y_pred})
37.     anw.to_csv("Submission.csv", index=False)

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。