project2:各种衣物的分类识别

最新推荐文章于 2022-08-02 16:33:05 发布

竹林村的黄河学者

最新推荐文章于 2022-08-02 16:33:05 发布

阅读量376

点赞数 1

分类专栏：深度学习

本文链接：https://blog.csdn.net/qq_35096008/article/details/106405451

版权

深度学习专栏收录该内容

14 篇文章 1 订阅

订阅专栏

import tensorflow as tf
import matplotlib.pyplot as plt
plt.rcParams['font.family']='SimHei'
fashion=tf.keras.datasets.fashion_mnist
(x_train,y_train),(x_test,y_test)=fashion.load_data()
x_train,x_test=x_train/255.0,x_test/255.0#归一化，把输入的值变小更适合神经网络吸收
plt.figure(figsize=(10,20))#看看训练集，没什么毛病
dic={0:'T恤',1:'裤子',2:'套头衫',3:'连衣裙',4:'外套',5:'凉鞋',6:'衬衫',7:'运动鞋',8:'包',9:'靴子'}
for i in range(20):
    plt.subplot(5,4,i+1)
    plt.imshow(x_train[i])
    plt.title(dic[y_train[i]])
plt.show()

model=tf.keras.models.Sequential([
    tf.keras.layers.Flatten(),#把输入特征拉直为一维数组
    tf.keras.layers.Dense(125,activation='relu'),
    tf.keras.layers.Dense(100,activation='softmax')
])#sequential是连续的意思，也就是可以一层一层堆叠神经网络，事实上，sequential可以表示全连接神经网络，卷积神经网络，循环神经网络等
model.compile(optimizer='adam',
             loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),#输出满足概率分布，因此这里的from_logits是False
             metrics=['sparse_categorical_accuracy'])#衡量指标
model.fit(x_train,y_train,batch_size=32,epochs=200,validation_data=(x_test,y_test),validation_freq=1)#validation_freq是测试的频率
model.summary()#打印出网络结构和参数统计