机器学习笔记（一）Tensorflow / keras 对服装图像进行分类（ Fashion MNIST 数据集）

开发环境

Anaconda 4.9.2 / Python 3.6.12 / Tensorflow 2.4.1（CPU版）

程序简介

本程序旨在利用 TensorFlow 中用来构建和训练模型的高级 API —— keras 训练一个神经网络模型，对服装图像进行分类（10类）。程序中的数据集使用 Fashion MNIST 数据集，包含 T-shirt 、Trouser 、Pullover 等10个类别的70000个灰度图像（28x28 像素）。
本程序使用60000个图像（训练集）来训练网络，使用10000个图像（测试集） 来测试网络学习对图像分类的准确率。

程序分解

输出 Tensorflow 版本

代码

import tensorflow as tf 
from tensorflow import keras
import numpy as np 
import matplotlib.pyplot as plt 
print(tf.__version__)

结果：版本 Tensorflow 2.4.1

下载 Fashion MNIST 数据集

代码

fashion_mnist = keras.datasets.fashion_mnist
(train_images,train_labels),(test_images,test_labels) = fashion_mnist.load_data()
class_names = ['T-shirt','Trouser','Pullover','Dress','Coat','Sandal','Shirt','Sneaker','Bag','Ankle boot']

load_data() 会返回四个 NumPy 数组：train_images 与 train_labels 数组是训练集，test_images 和 test_labels 数组是测试集。
图像是28x28的 NumPy 数组，像素值介于0到255之间。
标签是整数数组，介于0到9之间。这些标签对应于 class_names 数组中的 T-shirt、Trouser、Pullover、Dress、Coat、Sandal、Shirt、Sneaker、Bag、Ankle boot。

结果：在路径为 > .keras > datasets > fashion_mnist 的 fashion_mnist 文件夹下下载了如图所示的4个 .gz 格式的压缩包

预处理数据

代码

train_images = train_images/255.0
test_images = test_images/255.0
plt.figure(figsize=(10,10))
for i in range(25):     
   plt.<