卷积神经网络的简单实现(tensorflow)

「已注销」

已于 2022-08-10 21:32:43 修改

阅读量168

点赞数 1

文章标签： tensorflow cnn python

于 2022-08-10 21:30:54 首次发布

本文链接：https://blog.csdn.net/m0_73089087/article/details/126274790

版权

本文详细介绍了如何使用TensorFlow构建和训练一个卷积神经网络（CNN）。从基本概念到代码实现，涵盖了卷积层、池化层、全连接层的设置，以及模型的编译和训练过程。

摘要由CSDN通过智能技术生成

import tensorflow as tf
import matplotlib.pyplot as plt
from tensorflow.keras import datasets, layers, models

#下载并准备数据集
fashion_mnist = tf.keras.datasets.fashion_mnist
(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

# Add a channels dimension
x_train = x_train[..., tf.newaxis].astype("float32")
x_test = x_test[..., tf.newaxis].astype("float32")


#使用 tf.data 来将数据集切分为 batch 以及混淆数据集：
train_ds = tf.data.Dataset.from_tensor_slices(
    (x_train, y_train)).shuffle(10000).batch(32)
test_ds = tf.data.Dataset.from_tensor_slices((x_test, y_test)).batch(32)

#构造卷积神经网络模型
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
mod