关于慕课第三讲中Fashion数据集

这部分代码与前面部分手写高度相似

1.导入相关模块

import tensorflow as tf

2.查看数据集

plt.imshow(x_train[0],cmap='gray')
plt.show()
# 打印出训练集输入特征的第一个元素
print(x_train[0])
# 打印出训练集输入特征的第一个元素
print(x_test[0])
print("x_train.shape\n",x_train.shape)
print("y_train.shape\n",y_train.shape)
print("x_test.shape\n",x_test.shape)
print("y_test.shape\n",y_test.shape)

3.归一化处理

# 归一化处理
x_train,x_test = x_train/255.0,x_test/255.0

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),
              metrics=['sparse_categorical_accuracy'])
model.fit(x_train, y_train, batch_size=32, epochs=10, validation_data=(x_test, y_test), validation_freq=1)
model.summary()

之所以epochs选择10是因为其数据集训练难度大于手写数据集，故增加训练次数提高准确度。