【机器学习：实战】利用tensorflow识别衣物

简述Fashion Mnist

Fashion mnist 是一个衣物数据集，集成在keras中可以直接使用。本文记录了一步一步利用 Fashion minst 的数据库训练 tensorflow 神经网络。

Step1：导入所有的模块

import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt

print(tf.__version__)

Step2：下载数据集

fashion_mnist = keras.datasets.fashion_mnist

(train_images , train_labels) , (test_images , test_labels) = fashion_mnist.load_data()

print("train images shapes:" + str(train_images.shape) + "test images shapes:" + str(test_images.shape))

fashion mnist是自带在keras中的，所以可以直接下载。拿到数据的时候，先对数据进行一个分割，分成训练集和测试集。此训练集中包含60000个数据集，每个数据集为28 * 28的图片。

Step3：查看一个单个的数据图片

plt.figure()
plt.imshow(train_images[0]) #show a picture
plt.colorbar() # show a color scale
plt.grid(True) # display the gtid

利用matplotlib来画出这张图片。imshow表示绘图，colorbar表示显示色阶，grid代表是否绘制网格。

Step4：数据归一化

数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。其主要目的在于将数据变化成[0 , 1]之间的数据，以方便后续对于数据的处理。

train_images = train_images / 255.0
test_images = test_images / 255.0

Step5：查看多组数据及其分类

class_names = ["T-shirt","Trouser","Pullover","Dress","Coat","Sandal","Shirt","Sneaker","Bag","Ankie boot"]

plt.figure(figsize = (15 , 15))
for i in range(25):
    plt.subplot(5 , 5, i + 1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i] , cmap = plt.get_cmap('PuBuGn'))
    plt.xlabel(class_names[train_labels[i]])

此处为何不知道为什么我的不支持中文显示，所以只能换成了英文分类。