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
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
#