import?tensorflow?as?tf
import?os
import?numpy?as?np
from?matplotlib?import?pyplot?as?plt
from?tensorflow.keras.layers?import?Conv2D?BatchNormalization?Activation?MaxPool2D?Dropout?Flatten?Dense
from?tensorflow.keras?import?Model

np.set_printoptions（threshold=np.inf）
mnist?=?tf.keras.datasets.mnist
#fashion?=?tf.keras.datasets.fashion_mnist
（x_train?y_train）?（x_test?y_test）?=?mnist.load_data（）
x_train?x_test?=?x_train?/?255.0?x_test?/?255.0
print（“x_train.shape“?x_train.shape）
x_train?=?x_train.reshape（x_train.shape[0]?28?28?1）??#?給數據增加一個維度，使數據和網絡結構匹配
x_test?=?x_test.reshape（x_test.shape[0]?28?28?1）
print（“x_train.shape“?x_train.shape）


class?baseline（Model）:
????def?__init__（self）:
????????super（baseline?self）.__init__（）
????????self.c1?=?Conv2D（filters=6?kernel_size=（5?5）?padding=‘same‘）??#?卷積層
????????self.b1?=?BatchNormalization（）??#?BN層
????????self.a1?=?Activation（‘relu‘）??#?激活層
????????self.p1?=?MaxPool2D（pool_size=（2?2）?strides=2?padding=‘same‘）??#?池化層
????????self.d1?=?Dropout（0.2）??#?dropout層

????????self.flatten?=?Flatten（）
????????self.f1?=?Dense（128?activation=‘relu‘）
????????self.d2?=?Dropout（0.2）
????????self.f2?=?Dense（10?activation=‘softmax‘）

????def?call（self?x）:
????????x?=?self.c1（x）
????????x?=?self.b1（x）
????????x?=?self.a1（x）
????????x?=?self.p1（x）
????????x?=?self.d1（x）

????????x?=?self.flatten（x）
????????x?=?self.f1（x）
????????x?=?self.d2（x）
????????y?=?self.f2（x）
????????return?y


model?=?baseline（）

model.compile（optimizer=‘adam‘
??????????????loss=tf.keras.losses.SparseCategoricalCrossentropy（from_logits=False）
??????????????metrics=[‘sparse_categorical_accuracy‘]）

checkpoint_save_path?=?“./checkpoint/baseline.ckpt“
if?os.path.exists（checkpoint_save_path?+?‘.index‘）:
????print（‘-------------load?the?model-----------------‘）
????model.load_weights（checkpoint_save_path）

cp_callback?=?tf.keras.callbacks.ModelCheckpoint（filepath=checkpoint_save_path
?????????????????????????????????????????????????save_weights_only=True
?????????????????????????????????????????????????save_best_only=True）

history?=?model.fit（x_train?y_train?batch_size=32?epochs=5?validation_data=（x_test?y_test）?validation_freq=1
????????????????????callbacks=[cp_callback]）
model.summary（）

#?print（model.trainable_variables）
file?=?open（‘./weights.txt‘?‘w‘）
for?v?in?model.trainable_variables:
????file.write（str（v.name）?+?‘\n‘）
????file.write（str（v.shape）?+?‘\n‘）
????file.write（str（v.numpy（））?+?‘\n‘）
file.close（）

###############################################????show???###############################################

#?顯示訓練集和驗證集的acc和loss曲線
acc?=?history.history[‘sparse_categorical_accuracy‘]
val_acc?=?history.history[‘val_sparse_categorical_accuracy‘]
loss?=?history.history[‘loss‘]
val_loss?=?history.history[‘val_loss‘]

plt.subplot（1?2?1）
plt.plot（acc?label=‘Training?Accuracy‘）
plt.plot（val_acc?label=‘Validation?Accuracy

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????3330??2020-07-11?03:54??mnist實驗報告\ML_MNIST\CNN.py

?????文件???????1495??2020-07-11?04:48??mnist實驗報告\ML_MNIST\FCN.py

?????文件???????1843??2020-07-11?05:38??mnist實驗報告\ML_MNIST\RNN.py

?????文件?????256512??2020-11-13?22:11??mnist實驗報告\mnist實驗報告.doc

?????目錄??????????0??2020-07-11?06:00??mnist實驗報告\ML_MNIST

?????目錄??????????0??2020-11-13?22:11??mnist實驗報告

-----------?---------??----------?-----??----

???????????????263180????????????????????6