10.29 softmax多分类

最新推荐文章于 2024-08-14 17:37:35 发布

艾黎呀

最新推荐文章于 2024-08-14 17:37:35 发布

阅读量367

点赞数

分类专栏： python 文章标签： tensorflow python

本文链接：https://blog.csdn.net/GYJlalala/article/details/109362179

版权

本文探讨了在TensorFlow中使用softmax进行多分类的方法。通过讲解plt.imshow()与plt.show()的区别，强调了在图像显示中的正确用法。同时，介绍了tf.keras.layers.Dense()作为密集连接层的角色，其参数计算方式包括输入层特征与输出层特征的数量。另外，提到了tf.keras.layers.Flatten()层的作用，它用于将多维数据转换为一维，以便在神经网络中进行处理。

摘要由CSDN通过智能技术生成

在这里插入图片描述

plt.imshow()与plt.show()区别
plt.imshow()函数负责对图像进行处理，并显示其格式，但是不能显示。

其后跟着plt.show()才能显示出来。

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

(train_image, train_lable), (test_image, test_lable) = tf.keras.datasets.fashion_mnist.load_data()
plt.imshow(train_image[0])
plt.show()
print(np.max(train_image[0]) )  #输出图片1的最大值255
print(train_lable[0])  #输出图片1的标签是9

在这里插入图片描述
tf.keras.layers.Dense()：密集连接层。参数个数 = 输入层特征数× 输出层特征数(weight)＋输出层特征数(bias)
tf.keras.layers.Flatten()&#