[人工智能]遗传算法优化卷积网络结构(实现自动根据适应度函数：即准确率来全局搜索最佳网络结构)：主要被优化参数：卷积网络层数，每层卷积层的通道数，全连接的层数，全连接层的通道数。代码有详细注解

特别提醒：本文主要有两个脚本代码，要存放在同一个文件夹下，第一个要被命名为project.py(因为第二个脚本要从第一个脚本导出一些数据及参数)，第二个脚本可以随意命名。

结果截图

1.搭建卷积网络结构（文件被命名为project.py）

导入数据
import tensorflow as tf
def load():#定义数据处理函数
    (x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()#调取数据
    print(y_test.shape)#查看标签数据集形状
#转换数据形状
    x_train = tf.expand_dims(x_train, axis=3)#由[60000,28,28]变为[60000,28,28,1],也可以用reshape语句达到目的
    x_test = tf.expand_dims(x_test, axis=3)
    x_train = tf.cast(x_train, tf.float32)#变为浮点型数据
    x_test = tf.cast(x_test, tf.float32)
    y_test = tf.cast(y_test, tf.int32)#变为整型数据，否则后面会报错
#对数据集切片处理
    #把特征训练集与标签训练集打包，前者是每个批次64个样本，后者没有分批次
    dataset_train = tf.data.Dataset.from_tensor_slices((x_train, y_train)).shuffle(y_train.shape[0]).batch(64)

了解本专栏 订阅专栏 解锁全文