TensorFlow 入门训练笔记（一）——基本图像分类

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
 #