MNIST-tensorboard-网页可视化查看结果

1. 子程序包括：数据集处理、数据集图片读取转换、PNG图显示
2. 对数据训练集、验证集的打乱
3. 搭建5层神经网络
4. 设置学习率并进行梯度下降
5. 保存运行日志在文件夹中
6. 用验证(测试)集评估准确率
7. 在网页上显示过程并展示部分图片

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

# 对数据集预处理，转换数据类型
def preprocess(x, y):
    x = tf.cast(x, dtype=tf.float32) / 255.
    y = tf.cast(y, dtype=tf.int32)
    return x,y

# 将数据集的图片读取、转换成PNG格式并返回
def plot_to_image(figure):
  buf = io.BytesIO()     #在内存中读写bytes
  plt.savefig(buf, format='png')       #保存生成的图片
  plt.close(figure)
  buf.seek(0)       #文件读取指针移动到文件第“0”个字节处，这里即移动到文件头位置
  image = tf.image.decode_png(buf.getvalue(), channels=4)     #对PNG图像进行解码，得到图像的像素值，用于显示图像
  image = tf.expand_dims(image, 0)    #指定在第“0”维添加维数
  return image

# 将上面返回的PNG图像显示出来
def image_grid(images):
  figure = plt.figure(figsize=(10,10))   #创建宽和高分别为10英寸的图像
  for i in range(64):
    plt.subplot(8, 8, i + 1, title='name')  #生成36个子图像
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(images[i]