想做AI工程师？这个案例必须掌握！

第一时间关注程序猿（媛）身边的故事

有人说，2018年人工智能已经进入了全球爆发的时刻。个性化信息推送、人脸识别、语音操控等人工智能技术，已“入侵”日常生活的细枝末节。

十多年前，所有的企业都在想办法互联网化，如今，所有的互联网企业都在试图AI化，据数据统计，平均每 10.9 个小时会诞生一家 AI 企业。在这样的背景下，不难想象，未来机器学习技术将会是技术人的新门槛和领域。

那么问题来了，作为一名技术者，我该如何转型/学习 AI 技术？别着急，本文将带你入门AI第一课：《手把手教你Keras实现CNN》，让你实现手写数字识别准确率达到99.6%！（附完整代码）。

01

在我们安装过Tensorflow后，安装Keras默认将TF作为后端，Keras实现卷积网络的代码十分简洁，而且keras中的callback类提供对模型训练过程中变量的检测方法，能够根据检测变量的情况及时的调整模型的学习效率和一些参数． 下面的例子，MNIST数据作为测试：

转换数据的shape

从数据中分离出验证数据

一个训练样本

2

使用Keras搭建CNN

创建一个callback类的实例

数据增强处理

训练模型

在训练过程当中，有几次触发学习效率衰减的条件，每当val_acc连续３轮没有增长，就会把学习效率调整为当前的一半，调整之后，val_acc都有明显的增长，但是在最后几轮,模型可能已经收敛．

验证数据的混淆举证

以上就是本文的案例，如果大家对本篇文章技术点一知半解，不能透彻理解，您可能需要从机器学习的基础学起。

如果您决定踏入AI这个“坑”，在这里我推荐 CSDN 学院出品的《人工智能工程师》实训营，目标是通过 120 天的实战，将学员培养达到具备一年项目经验的人工智能工程师水平。CSDN 百天计划课程共分为 3 个阶段，4 个月完成。

联系 CSDN 学院职场规划师，

获取一对一专属服务

（包括：IT 职场规划服务/专属折扣）