TensorFlow2.0 教程-图像分类
Tensorflow 2.0 教程持续更新: https://blog.csdn.net/qq_31456593/article/details/88606284
TensorFlow 2.0 教程- Keras 快速入门
TensorFlow 2.0 教程-keras 函数api
TensorFlow 2.0 教程-使用keras训练模型
TensorFlow 2.0 教程-用keras构建自己的网络层
TensorFlow 2.0 教程-keras模型保存和序列化
TensorFlow 2.0 教程-eager模式
TensorFlow 2.0 教程-Variables
TensorFlow 2.0 教程–AutoGraph
TensorFlow 2.0 深度学习实践
TensorFlow2.0 教程-图像分类
TensorFlow2.0 教程-文本分类
TensorFlow2.0 教程-过拟合和欠拟合
TensorFlow2.0教程-结构化数据分类
TensorFlow2.0教程-回归
TensorFlow2.0教程-保持和读取模型
TensorFlow 2.0 基础网络结构
TensorFlow2教程-基础MLP网络
TensorFlow2教程-mlp及深度学习常见技巧合
TensorFlow2教程-基础CNN网络
TensorFlow2教程-CNN变体网络
TensorFlow2教程-文本卷积
TensorFlow2教程-使用预训练CNN模型
完整tensorflow2.0教程代码请看tensorflow2.0:中文教程tensorflow2_tutorials_chinese(欢迎star)
1.获取Fashion MNIST数据集
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:
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:
Label | Class |
---|---|
0 | T-shirt/top |
1 | Trouser |
2 | Pullover |
3 | Dress |
4 | Coat |
5 | Sandal |
6 | Shirt |
7 | Sneaker |
8 | Bag |
9 | Ankle boot |
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']
2.探索数据
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