机器之心报道
AI 写 AI，来得比预料中更快一些 。
自从去年底推出以来，对话式 AI 模型火遍了整个社区 。
的确是一个了不起的工具，就像一个「潘多拉魔盒」 。一旦找到正确的打开方式，你或许会发现，自己再也离不开它了 。
【用ChatGPT写神经网络：一字不改，结果竟然很好用】作为一个全能选手，人们给提出的要求五花八门，有人用它写论文，有人让它陪聊，这些都是常见的玩法 。脑洞再打开一点，既然是 AI 中的「王者」，那它会不会写一个 AI？
近日，一位机器学习领域的博主突发奇想，他决定让构建一个神经网络，使用 Keras 解决 MNIST 问题 。
MNIST 算是机器学习领域的经典问题 。即使这个手写数字数据集逐渐淡出了计算机视觉领域，但它的纪念意义仍然不可忽视，很多人入门深度学习的第一个数据集、验证算法的第一个实验都是 MNIST 。
话不多说，想到了就开工 。作者直接让写了一段代码，看上去完美无缺，甚至不需要更改任何内容 。
这是一个很好的开始 。
选择了分类交叉熵作为损失函数 。作者提出重写分类交叉熵这部分代码，将其替换为稀疏分类交叉熵，更新之后的代码仍能 Work 。可以发现，新的损失函数放弃了标签的分类转换 。
生成的代码使用了全连接层，但作者想使用卷积层 。因此，按照指示修改了代码，并添加了一个和一个最大池化层（ layer） 。
然后来到了评估最终模型阶段，作者让使用测试集编写代码 。
结果看起来很棒，而且的每一次回复都带有完整的解释 。比如在这次评估中，它这样解释：
文章插图
「评估」方法将测试数据和测试标签作为参数，并返回模型编译（此处为准确率）期间指定的损失和度量 。上面的代码片段输出了测试的准确率，这应该可以让你了解到模型对新数据的概括性 。?
模型在训练期间使用了整个测试集作为验证数据 。然后，作者让将其更改为训练数据的 20% 。
此外，作者还想要更小的 batch 并运行更少 epoch 的代码 。虽然这一步未必要用到 ，但他不想在不更新上下文的情况下更改代码 。
所以这项任务还是落在了头上：
接下来，作者打算绘制训练过程中的训练和测试损失图 。的建议是：需要更改适合模型的 line 以捕获其结果值 。
为了展示数据集中的一些示例，作者让编写代码来输出图像和标签的组合 。这些输出的代码也很完美，附有 20 张图片的合集 。
构建模型时，查看其结构也是必要的 。如果用这个问题去问，回复是：
给出的是关于模型的总结：
模型的总结很有用，但作者更想看到显示模型结构的图 。所以继续问：
文章插图
结果是满意的，最后就是准备部署这个模型了，让将模型保存到磁盘吧：
现在，作者想创建一个使用保存的模型进行预测的类 。这是很有趣，解决方案也很完美 。
现在编写一个示例，使用预测器的类来预测 10 个随机图像的标签：
为了完成这个，作者让展示了一个混淆矩阵：
该说不说，使用的样式还真挺好看 。
完成所有试验后，作者将所有生成的代码公布了出来，你也可以上手试试：
地址：
往期精彩回顾适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑机器学习交流qq群955171419，加入微信群请扫码
- 一个严肃的写作者如何书写我们栖居的自然？内蒙古大学教授用散文书写“万物相爱” 世界之最自然之最
- 充满灵感的自写笔怎么获得,服装设计灵感怎么写
- 怎么写读后感四年级 怎么写读后感四年级语文
- chatgpt赋能python：Python提取表格：解放你的数据处理效率！
- chatgpt赋能python：Python获取IP的完整指南
- 人口普查的意义和作用
- 比ChatGPT更强的星火大模型V2版本发布！
- chatgpt赋能python：Python解密码编程：解析密码学和Python
- 托孤大臣张昭既没有被也并没有得到重用
- ChatGPT爆火，会给教育带来什么样的影响或者冲击？