TensorFlow 入门训练笔记(一)——基本图像分类

本文是TensorFlow入门的学习笔记,涵盖了数据预处理、模型构建与训练、预测验证。使用tf.keras进行模型构建,并讨论了过度拟合问题。
摘要由CSDN通过智能技术生成

PS:1、本文旨在对TF学习过程进行备忘,本人菜得抠脚,故文章难免会有一定错误,还望指出,谢谢;
2、本文程序代码使用Google TensorFlow所给出的官方入门教程;
3、本文使用tf.keras,对模型进行构建与训练。
4、本文建立的前提是对模型构建与训练流程掌握,其中各部分原理不一定能完整表达。

1、数据获取与预处理

import tensorflow as tf  # 导入tensorflow
from tensorflow import keras

import numpy as np #宏定义
import matplotlib.pyplot as plt #宏定义??

fashion_mnist = keras.datasets.fashion_mnist#获取fashion_mnist训练集
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']#对分类数据定义名称
print(tf.__version__)#获取当前tf版本
print(train_images.shape)#读取数据集的“格式”(shape
print(len(train_labels))#读取标签类型长度
print(train_labels)#打印当前训练集中的标签

print(test_images.shape)#读取数据集的格式(shape
print(len(test_labels))#读取标签长度

输出

2.2.0#当前tf版本
(60000, 28, 28)#训练集中数据格式为6000张图片,每张28x28像素
60000#标签数量
[9 0 0 ... 3 0 5]#标签为0-9的整数
(10000, 28, 28)#测试集,10000图片28x28像素
10000#测试集包含10000张标签

在这里插入图片描述
测试一下数据集中的图片
其中所使用的matplotlib.pyplot方法详见matplotlib官网

#在训练网络之前,必须对数据进行预处理。
 plt.figure()
 plt.imshow(train_images[0])#引入第0张图片,默认彩图
 #
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值