import tensorflow as tf
print(tf.__version__)
可以知道tf的版本,version前后都是两条下划线。
mnist = tf.keras.datasets.fashion_mnist#获取fashion MNIST数据
(training_images, training_labels), (test_images, test_labels) = mnist.load_data()
Fashion-MNIST在tf中是作为一个有API的数据集存在。因此,只需要在keras数据库中加载,声明一个类型为MNIST的对象。在这里,调用load_data方法,会返回给我们4个列表,分别是训练数据、训练标签、测试数据和测试标签。之所以要用图像image和标签label,是因为数字的受用者会更广一些,不像英文或中文。
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation=tf.nn.relu),
tf.keras.layers.Dense(10,activation=tf.nn.softmax)
])
这是一个有三个层的序列。主要看的是第一层和最后一层。最后一层有10个神经元,因为我们的数据集有10类服装;第一层是一个扁平层,输入的形状是28×28,扁平化将这个28×28正方形变为一个简单的线性阵列。中间层(也叫隐藏层)有128个神经元。