Softmax多分类
Softmax在Tensorflow 2.0 中有两个可以调用的分类方法,一个是sparse_categorical_crossentropy,一个是categorical_crossentropy。前者基于顺序编码,后者是onehot编码。下面将通过一个例子进行介绍。
和上篇博客相同的部分,将不做介绍,链接地址:
Tensorflow2.0实战——逻辑回归
本实例中使用的数据集是fashion_mnist数据集,提取码:gkjb
import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
在进行数据读取之前,可以将上述已经下载好的数据集放在自己的 .keras/datasets目录下,以便直接读取使用,而不用从国外网站下载。(没有datasets的,可以新建文件夹,将数据集放在datasets目录下)。
(train_image, train_label), (test_image, test_label) = tf.keras.datasets.fashion_mnist.load_data()#内置数据集加载
train_image.shape #查看训练数据集
test_image.shape, test_label.shape #查看测试数据集
plt.imshow