Tensorflow2.0实战——Softmax

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