TensorFlow—part2

TensorFlow—part2

基于中国大学生MOOC视频TensorFlow入门实操课程第二章，以及自己遇到的一些问题
慕课视频链接：https://www.icourse163.org/learn/youdao-1460578162?tid=1461280442#/learn/announce

---

---

前言

计算机视觉介绍，使用的是Fashion MNIST数据集，70000张图片，10个类别，28*28像素，训练神经元网络

---

一、辅助理解

输入层将像素展平，中间层处理

权重计算及使用的激活函数，relu使用在中间层，负数全为0，正数才有相应输出；softmax使用在输出层，无论是多少都压缩到0-1

二、课程代码

import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt
#lesson2_2
#加载数据集，第一次要下载会比较慢
fashion_mnist =keras.datasets.fashion_mnist
(train_images,train_lables),(test_images,test_lables) = fashion_mnist.load_data()
#可以查看一下图片
#print(test_images.shape)
#plt.imshow(train_images[0])
#plt.show()#pycharm需要用这个才能显示图片

#lession2_3
model = keras.Sequential()
model.add(keras.layers.Flatten(input_shape=(28,28)))	#输入层
model.add(keras.layers.Dense(128,activation=tf.nn.relu))    #中间层128个神经元 param=100480 = (28*28+1)*128 1为blas相当于截距，每层一个
model.add(keras.layers.Dense(10,activation=tf.nn.softmax))  #输出层10个神经元 param=1290 = (128+1)*10
#全连接的网络结构
#model.summary()

#lession2_4
train_images = train_images/255
model.compile(optimizer="adam",loss=tf.losses.sparse_categorical_crossentropy,metrics=['accuracy'])
model.fit(train_images,train_lables,epochs=5)
test_images_scaled = test_images/255
model.evaluate(test_images_scaled,test_lables)

#参考链接：https://blog.csdn.net/weixin_45954454/article/details/114437165
#测试集的维度为3，取出一个样本维度变成2，所以报错，因此要重新建立样本
demo = tf.reshape(test_images[0]/255,(1,28,28))
np.argmax(model.predict(demo))  #只用model.predict(demo)会显示每一种的概率
print(test_lables[0])
#plt.imshow(test_images[0])
#plt.show()

#lesson2_5
#防止过拟合，自动终止训练，在训练的loss和测试的loss出现分叉时
# class myCallback(tf.keras.callbacks.Callback):
#     def on_epoch_end(self, epoch, logs={}):
#         if(logs.get('loss')<0.4):
#             print("\nLoss is low sp cancelling training")
#             self.model.stop_training = True
#
# callback = myCallback()
# mnist = tf.keras.datasets.fashion_mnist
# (training_images,training_lables),(test_images,test_lables) = mnist.load_data()
# training_images_scaled = training_images/255.0
# test_images_scaled = test_images/255.0
# model = tf.keras.models.Sequential([
#     tf.keras.layers.Flatten(),
#     tf.keras.layers.Dense(128,activation=tf.nn.relu),
#     tf.keras.layers.Dense(10,activation=tf.nn.softmax)
# ])
#
# model.compile(optimizer='adam',loss='sparse_categorical_crossentropy')
# model.fit(training_images_scaled,training_lables,epochs=5,callbacks=[callback])

总结

继续冲！！！！