【tensorflow2.0】卷积神经网络

可用

tf.test.is_gpu_available()

测试GPU是否可用，输出结果为True，则可用。

卷积神经网络需要的是图片数据（四维：图片个数，一般可设置为none、图片的高、宽、Channel通道数），所以在进行数据预处理时，无需将其扁平化。因此需要先用expand_dims()对图片扩张维度。

train_images = np.expand_dims(train_images, -1)

那么train_images就从之前的(60000, 28, 28)变成了(60000, 28, 28, 1)的形状。

同样，对test数据也要进行这样的处理.

接下来，建立顺序模型：

model.add(keras.layers.Conv2D(32,(3, 3), input_shape = train_images.shape[1:], activation='relu'))
model.add(keras.layers.MaxPool2D())
model.add(keras.layers.Conv2D(64,(3, 3), activation='relu'))
model.add(keras.layers.GlobalAveragePooling2D())
model.add(keras.layers.Dense(10, activation='spftmax'))

四维的数据无法与后面的Dense层连接，所以①可以将数据扁平化；②
使用GlobalAveragePooling2D()，它在所有维度上求平均，从而得到一个二维数据，再将其添加到Dense输出层。