Paddle高层API卷积神经网络实战-FashionMNIST

一、问题定义

Fashion-MNIST ，是2017年8月底德国研究机构Zalando Research发布的一个数据集，其中训练集包含60000个样本，测试集包含10000个样本，分为10类。样本都来自日常穿着的衣裤鞋包，每一个都是28×28的灰度图。

这个数据集致力于成为手写数字数据集MNIST的替代品，可用作机器学习算法的基准测试，也同样适合新手入门。

这个数据集的样子大致如下（每个类别占三行）：

GitHub地址：https://github.com/zalandoresearch/fashion-mnist

本文的AIStudio地址：https://aistudio.baidu.com/aistudio/projectdetail/1515375

导入相关库

import paddle
import cv2
import matplotlib.pyplot as plt
import matplotlib.image as mping
import numpy as np

print(paddle.__version__)

/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/__init__.py:107: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
  from collections import MutableMapping
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/rcsetup.py:20: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
  from collections import Iterable, Mapping
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/colors.py:53: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
  from collections import Sized


2.0.0

二、数据准备

1、数据加载和预处理

# 获取数据
import paddle.vision.transforms as T
from paddle.vision.datasets import FashionMNIST

# 数据的加载和预处理
transform = T.Normalize(mean=[127.5], std=[127.5])  # 调用飞浆api进行归一化处理

# 训练数据集
train_dataset = FashionMNIST(mode='train', transform=transform)
# 评估数据集
eval_dataset = FashionMNIST(mode='test', transform=transform)

print('训练数据集数量： {}, 验证数据集数量：{}'.format(len(train_dataset), len(test_dataset)))

训练数据集数量： 60000, 验证数据集数量：10000

plt.figure()
img = train_dataset[0][0]
img = plt.imshow(img.reshape([28, 28]), cmap=plt.cm.binary)  # 图像二值化展示
plt.show

<function matplotlib.pyplot.show(*args, **kw)>

三、模型选择和开发

# 搭建网络模型
class FashionMNISTNet(paddle.nn.Layer):
    def __init__(self):
        super(FashionMNISTNet, self).__init__()
        ## 第一个卷积层
        self.conv1 = paddle.nn.Conv2D(in_channels=1, out_channels=30, kernel_size=3, stride=1, padding='SAME')
        ## 激活函数
        self.act = paddle.nn.ReLU()
        ## 第一个池化层（这里使用最大池化）
        self.max_pool1 = paddle.nn.MaxPool2D(kernel_size=2, stride=2, padding='SAME')
        ## 第二个卷积层
        self.conv2