三层神经网络的正确率为96%,如下图所示:
我尝试增加一层全连接网络,但是正确率却没有提高:
请问如何设计神经网络结构才能提高正确率到98%?
三层神经网络的正确率为96%,如下图所示:
我尝试增加一层全连接网络,但是正确率却没有提高:
请问如何设计神经网络结构才能提高正确率到98%?
# 导入 TensorFlow 库
import tensorflow as tf
# 加载 MNIST 数据集
mnist = tf.keras.datasets.mnist
# 划分为训练集和测试集
(x_train, y_train), (x_test, y_test) = mnist.load_data()
# 对数据进行预处理
x_train = x_train / 255.0
x_test = x_test / 255.0
# 构建模型
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Reshape((28, 28, 1), input_shape=(28, 28)))
model.add(tf.keras.layers.Conv2D(32, (3, 3), activation='relu'))
model.add(tf.keras.layers.MaxPooling2D((2, 2)))
model.add(tf.keras.layers.Conv2D(64, (3, 3), activation='relu'))
model.add(tf.keras.layers.MaxPooling2D((2, 2)))
model.add(tf.keras.layers.Conv2D(64, (3, 3), activation='relu'))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(64, activation='relu'))
model.add(tf.keras.layers.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)
# 在测试集上评估模型
model.evaluate(x_test, y_test)