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。