TensorFlow2.0 教程-图像分类

最新推荐文章于 2024-02-02 18:02:33 发布

VIP文章 Doit_行之

最新推荐文章于 2024-02-02 18:02:33 发布

阅读量2.5w

点赞数 19

分类专栏： tensorflow TensorFlow2教程文章标签： tensorflow 图像分类 2.0 教程

本文链接：https://blog.csdn.net/qq_31456593/article/details/88605746

版权

Tensorflow 2.0 教程持续更新： https://blog.csdn.net/qq_31456593/article/details/88606284

TensorFlow 2.0 深度学习实践

TensorFlow 2.0 基础网络结构

本指南使用Fashion MNIST数据集，该数据集包含10个类别中的70,000个灰度图像。图像显示了低分辨率（28 x 28像素）的单件服装，如下所示：
在这里插入图片描述
Fashion MNIST旨在替代经典的MNIST数据集，通常用作计算机视觉机器学习计划的“Hello，World”。

我们将使用60,000张图像来训练网络和10,000张图像，以评估网络学习图像分类的准确程度。

(train_images, train_labels), (test_images, test_labels) = keras.datasets.fashion_mnist.load_data()

图像是28x28 NumPy数组，像素值介于0到255之间。标签是一个整数数组，范围从0到9.这些对应于图像所代表的服装类别：

每个图像都映射到一个标签。由于类名不包含在数据集中，因此将它们存储在此处以便在绘制图像时使用：

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

让我们在训练模型之前探索数据集的格式。以下显示训练集中有60,000个图像，每个图像表示为28 x 28像素：

print(train_images.shape)
print(train_labels

关注