TensorFlow学习笔记之Fashion MNIST数据集简单分类

1.1 Fashion MINIST数据集的介绍

MINIST数据集对每个深度学习的初学者来说可谓是耳熟能详，MNIST数据集包括60000个示例的训练集以及10000个示例的测试集，每个手写数字的大小均为28x28，可以通过TensorFlow直接导入使用，如图1.1所示。而Fashion MINIST数据集，有10个类别图像，分别包括：t-shirt（T恤），trouser（牛仔裤），pullover（套衫），dress（裙子），coat（外套），sandal（凉鞋），shirt（衬衫），sneaker（运动鞋），bag（包），ankle boot（短靴）。每张图片为28x28像素的灰阶图像，共70000张图像。另外的常见数据集还有CIFAR-10 和CIFAR-100，我们后续再使用。

图1.1.1 MINIST数据集

图1.1.2 FashionMINST数据集

1.2 Fashion MNIST数据集的下载

分别有四个文件 可以前往github自行下载

1. 训练数据图片train-images-idx3-ubyte
2. 训练数据标签train-labels-idx1-ubyte
3. 测试数据图片t10k-images-idx3-ubyte
4. 测试数据标签t10k-labels-idx1-ubyte

也可以直接通过keras神经网络模型直接加载fashion_mnist数据

import tensorflow as tf
from tensorflow import keras 
import numpy as np
import matplotlib.pyplot as plt
 
fashion_mnist = keras.datasets.fashion_mnist
 
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
#将每个分类写进list
class_names=['T-shirt/top','Trouser','Pullover','Dress','Coat',
             'Sandal','Shirt','Sneaker','Bag','Ankle boot']

2.1 探索数据

2.2 数据预处理

我们选择第十个训练集的样本，使用matplotlib绘图。它的每个像素都在0-255之间，这里我们采用最常规的数据处理，将数据进行归一化，简单来讲，就是将每一个值的范围确定在0-1之间，或者-1到1之间，我们按常规将其确定在0-1之间。
以第十张样本为例进行可视化展示

plt.figure()
plt.imshow(train_images[9])
plt.colorbar()
plt.gca().grid(False)
plt.show()

我们将特征值的整数变成浮点数，其次我们再除以255.0

train_images=train_images/255.0
test_images=test_images/255.0

我们再可视化归一化之后的数据

plt.figure(figsize=(10,10))
for i in range(36):
    plt.subplot(6,6,i+1)
    plt