MNIST-本机查看结果

最新推荐文章于 2024-04-22 19:45:06 发布

Terio_my

最新推荐文章于 2024-04-22 19:45:06 发布

阅读量160

点赞数

分类专栏：机器学习_深度学习文章标签： tensorflow 神经网络

本文链接：https://blog.csdn.net/weixin_43820324/article/details/114700367

版权

本文介绍了MNIST数据集的加载方法，并使用TensorFlow构建神经网络模型。详细讲解了计算模型准确率的方式，以及如何保存和调用训练好的模型。同时，展示了数据集中的图片和运行结果。

摘要由CSDN通过智能技术生成

“历史遗留”的学习记录

MNIST手写数字—tensorflow2—学习
（PS：时隔久远，但还是能运行）

MNIST数据集的两种加载方式
利用框架搭建简单网络模型
计算模型准确率的两种方法
保存、调用训练好的模型
显示数据集图片

import tensorflow as tf
import matplotlib.pyplot as plt
from tensorflow.keras import datasets, layers, optimizers, Sequential, metrics
import numpy as np

# 网络上自动下载数据集
# mnist = tf.keras.datasets.mnist
# (x_train, y_train), (x_test, y_test) = mnist.load_data()

# 加载本地数据集
datapath  = r'./mnist.npz'
(x_train, y_train), (x_test, y_test) = datasets.mnist.load_data(datapath)
x_test1 = x_test    #用于打印图片28*28,不能是28*28*1，第三维度只能是3或4
x_train = x_train.reshape(x_train.shape[0],784).