Tensorflow利用卷积神经网络实现图片分类

最新推荐文章于 2023-12-26 08:16:23 发布

Geeksongs

最新推荐文章于 2023-12-26 08:16:23 发布

阅读量803

点赞数 2

分类专栏： Deep Learning

本文链接：https://blog.csdn.net/Geeksongs/article/details/107011864

版权

本文介绍了如何使用Tensorflow构建卷积神经网络，对fashion mnist数据集进行图片分类。通过调整图片维度，将三维图片转为四维以适应模型输入，然后构建并编译神经网络模型，最后展示训练过程中的loss变化，评估模型性能。

摘要由CSDN通过智能技术生成

tensorflow搭建卷积神经网络非常简单，我们使用卷积神经网络对fashion mnist数据集进行图片分类，首先导包：

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

导入数据集：

(train_image,train_label),(test_image,test_label)=tf.keras.datasets.fashion_mnist.load_data()

查看图片的shape维度：

train_image.shape

输出：

(60000, 28, 28)

由于我们卷积神经网络需要的是四维的数据，也就是一共需要有四个维度，分别是（图片，横向像素，竖直方向的像素，channel）。

这个数据集里面的图像均为三维的矩阵，且为黑白图片，因此channel为1，如果是RGB的彩色图片的话，channel为3.因此我们把三维的图片变成4维的图片，利用numpy即可：

关注

专栏目录