使用顺序API构建图像分类器

最新推荐文章于 2024-05-29 18:03:42 发布

小刘在努力变强ing

最新推荐文章于 2024-05-29 18:03:42 发布

阅读量160

点赞数

分类专栏：机器学习实战文章标签：深度学习 tensorflow 神经网络

本文链接：https://blog.csdn.net/sinat_38951076/article/details/125752206

版权

import tensorflow as tf
from tensorflow import keras
tf.__version__

'2.1.0'

keras.__version__

'2.2.4-tf'

使用Keras加载数据集

fashion_mnist = keras.datasets.fashion_mnist
#将数据集划分为训练集与测试集
(X_train_full,y_train_full),(X_test,y_test) = fashion_mnist.load_data()

X_train_full.shape

(60000, 28, 28)

X_train_full.dtype

dtype('uint8')

#没有验证集，创建一个,将训练集的前5000个元素作为验证集，5000以后的元素作为训练集
#x需要使用梯度下降算法训练神经网络，所以需要比例缩小输入特征，采用归一化，/255.0（转换为0-1之间的浮点数）
X_vaild,X_train = X_train_full[:5000]/255.0,X_train_full[5000:]/255.0
y_vaild,y_train = y_train_full[:5000],y_train_full[5000:]

#MNIST：标签为5时，说明图像代表手写数字5，但会对于Fashion-MNIST数据集而言，需要一个类名列表
class_names = ["T-shirt/top","Trouser","Pullover","Dress","Coat","Sandal","Shirt","Sneaker","Bag","Ankle boot"]

使用顺序API创建模型

#建立神经网络
model = keras.models.Sequential()
model.add(keras.layers.Flatten(input_shape=[28,28]))  #第一层，将每个输入图像转换为1维数组，作为第一层，需要input
model.add(keras.layers.Dense(300,activation="relu")) #具有300个神经元的Dense隐藏层ÿ