如何使用 Python 的 Keras 库进行数据训练?

步骤：

1. 导入必要的库

import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout

2. 加载数据

(x_train, y_train), (x_test, y_test) = mnist.load_data()

3. 创建模型

model = Sequential()
model.add(Dense(128, activation='relu', input_shape=(28, 28, 1)))
model.add(Dropout(0.2))
model.add(Dense(10, activation='softmax'))

4. 编译模型

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

5. 训练模型

model.fit(x_train, y_train, epochs=5)

6. 评估模型

loss, accuracy = model.evaluate(x_test, y_test)
print('Loss:', loss)
print('Accuracy:', accuracy)

完整代码：

import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout

# 加载数据
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 创建模型
model = Sequential()
model.add(Dense(128, activation='relu', input_shape=(28, 28, 1)))
model.add(Dropout(0.2))
model.add(Dense(10, activation='softmax'))

# 编译模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=5)

# 评估模型
loss, accuracy = model.evaluate(x_test, y_test)
print('Loss:', loss)
print('Accuracy:', accuracy)

注意：

• mnist.load_data() 函数加载 MNIST 数据集，它包含 70,000 个 28x28 像素的彩色图像，每个图像对应一个数字。
• model.compile() 函数用于指定模型的训练参数，包括优化器、损失函数和评估指标。
• model.fit() 函数用于训练模型，它将使用给定的训练数据训练模型。
• model.evaluate() 函数用于评估模型，它将使用给定的测试数据评估模型的准确性。