import matplotlib as mpl # Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用
import matplotlib.pyplot as plt # Python数据可视化matplotlib.pyplot
# %matplotlib inline #在使用jupyter notebook 或者 jupyter qtconsole的时候,经常会用到%matplotlib inline。其作用就是在你调用plot()进行画图或者直接输入Figure的实例对象的时候,会自动的显示并把figure嵌入到console中。
import numpy as np # 数值计算扩展。这种工具可用来存储和处理大型矩阵
import sklearn # 机器学习中常用的第三方模块,对常用的机器学习方法进行了封装,包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。
import pandas as pd # 是python的一个数据分析包
import os # 系统编程的操作模块,可以处理文件和目录
import sys # sys模块包含了与Python解释器和它的环境有关的函数
import time
import tensorflow as tf
from tensorflow import keras
##################################################################################################
# 选择GPU
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
##################################################################################################
print(tf.__version__)
print(sys.version_info)
for module in mpl, np, pd, sklearn, tf, keras:
print(module.__name__, module.__version__)
##################################################################################################
fashion_mnist = keras.datasets.fashion_mnist # 从keras中导入数据集datasets
(x_train_all, y_train_all), (x_test, y_test) = fashion_mnist.load_data( )# load_data导入训练集和测试集,x是图片,y是label
x_valid, x_train = x_train_all[:5000], x_train_all[5000: ] # 导入数据集中前x_valid5000个和x_train 为5000之后的
y_valid, y_train = y_train_all[:5000], y_train_all[5000: ] # 导入数据集中前y_valid5000个和y_train 为5000之后的
print(x_valid.shape, y_valid.shape ) # 前5000个训练集
print(x_train.shape, y_train.shape ) # 训练集
print(x_test.shape, y_test
卷积神经网络_2.基本cnn网络实现(使用selu激活函数)
最新推荐文章于 2024-05-15 11:22:39 发布