实战fashion-mnist图像分类

本文介绍了使用keras和tensorflow进行fashion-mnist图像分类的实战,包括分类原理、数据加载、数据预处理、模型构建及训练,最终模型在10次训练后达到90.86%的准确率。
摘要由CSDN通过智能技术生成

1.分类原理(以crossentropy为例)

          分类误差:

          通过梯度下降 w:=w-d(L)/d(w) 来更新w的值,使得w朝梯度=0的方向变化,减少分类误差.

 

2.下面来上代码

 

 2.1数据加载

import matplotlib.pyplot as plt
import matplotlib as mpl
%matplotlib inline
import numpy as np
import sklearn
import pandas as pd
import sys
import os
import time
import tensorflow as tf
from tensorflow import keras
from sklearn.model_selection import train_test_split
from tensorflow.keras.optimizers import Adam,SGD,Adagrad,Adadelta,RMSprop
from tensorflow.keras.utils import to_categorical

train = pd.read_csv('../input/fashionmnist/fashion-mnist_train.csv')
test = pd.read_csv('../input/fashionmnist/fashion-mnist_test.csv')
df_train = train.copy()
df_test = tes
  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值