tensorflow2.0 mnist手写数字识别 并验证几张图片以查看效果

目的：

tensorflow2.0+mnist已经算是ML界的“HELLO WORLD”了吧。网络上这方面的内容也比较多，可是有很多教程都是讲到训练完成就结束，如果只从数据上看准确率，对我们的主观感受不深。这里讲一下如何拿一张图片验证一下，以便直观感受。

环境：miniconda下tensorflow2.0

1、以下为训练：

import tensorflow as tf
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import image
import numpy as np

data = tf.keras.datasets.mnist
(x_train,y_train),(x_test,y_test) = data.load_data()
x_train,x_test = x_train/255.0,x_test/255.0
#print(x_train.shape)

#plt.imshow(y_train[0])
#print(x_train[0])
#y_test[0]
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten(input_shape=(28,28)))
model.add(tf.keras.layers.Dense(128, activation="relu"))
model.add(tf.keras.layers.Dropout(0.2))
model.add(tf.keras.layers.Dense(10))
loss_fn = loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
model.compile(
    optimizer="adam",
    loss=loss_fn,
    metrics=['accuracy']
)
model.fit(x_train,y_train,epochs=5)

2、以下为验证：

 1、需要注意的是model.predict()输入参数应该是一个2维1列的矩阵。

2、这样做的好处是可以一次输入多个待验证数据，一并取得答案。

3、

而图片为28*28的矩阵，取其中一个：

                                                img1_ = x_test[INDEX]

将矩阵展开成1维数组：

                                                img1_ = img1_.flatten()

将1维数组展转换成2维1列的矩阵，-1代表由函数自动确认个数：

                                                img1  = img1_.reshape(1,-1)

#以下为训练,输入训练集的索引为3
INDEX = 3

img1_ = x_test[INDEX]
img1_ = img1_.flatten()
img1  = img1_.reshape(1,-1)
#print(img1)
ret = model.predict(img1)
#显示预测值，其实对应的是0-9共10个数分别的概率，最大的为预测值
print(ret)
#显示真正值
print(y_test[INDEX])

3、结果如下：

---------------------------------------------------------------分割线---------------------------------------------------------

那辛苦训练好的模型如何保存下来呢？：

                                                     model.save("./mnist_model/mnist01.h5")   

                                                     #保存在了路径：./mnist_model/mnist01.h5 里。

保存下来的模型如何加载呢？：

                             model = tf.keras.models.load_model("./mnist_model/mnist01.h5")