人工智能实践——第六周作业【使用fashion_mnist数据集并进行图像化和优化】

课后练习：
题目一：改为fashion_mnist数据集 数据集
题目二：显示y_train[0] ( 文本) 和 和 x_train[0] ( 文本和图片)
题目三：改变网络层数和各层神经元数： 1 层512 个、4 层每层递减512/256/128/10
题目四：增加loss/acc可视化 可视化
题目五：更改层数和神经元数、优化器等，提升 准确率

fashion_mnist数据集

fashion_mnist是keras自带的数据集合，主要目的是为了替代现在的热门数据集 mnist。

#导入数据集，包含70000张灰度图像，10个类别
fashion_mnist = keras.datasets.fashion_mnist
#60000张用于训练，10000张用于测试
(train_images,train_labels),(test_images,test_labels) = fashion_mnist.load_data()
#类别标签
class_names = [‘T-shirt/top’,‘Trouser’,‘Pullover’,‘Dress’,‘Coat’,‘Sandal’,‘Shirt’,‘Sneaker’,‘Bag’,‘Ankle boot’]

Matplotlib：

一个基本的绘图程序：
第一步：设定x,y的关系
x = np.arange(1,11)
y = 2 * x + 5
第二步：图名，横纵轴名绘制
plt.title(“Matplotlib demo”)
plt.xlabel(“x axis caption”)
plt.ylabel(“y axis caption”)
plt.legend(“functionA”)
第三部：绘制
plt.plot(x,y)
plt.show()

进阶：
1：
绘制不同形状的图形
plt.plot(x,y,“ob”) #绘制蓝色点图　　'o’点图，‘b’蓝色
2：同一个图中绘制多个图
#建立 subplot 网格，高为 2，宽为 1
#激活第一个 subplot
plt.subplot(2, 1, 1)

实例:
import numpy as np
import matplotlib.pyplot as plt
#计算正弦和余弦曲线上的点的 x 和 y 坐标
x = np.arange(0, 3 * np.pi, 0.1)
y_sin = np.sin(x)
y_cos = np.cos(x)
#建立 subplot 网格，高为 2，宽为 1
#激活第一个 subplot并且绘制第一个图像
plt.subplot(2, 1, 1)
plt.plot(x, y_sin)
plt.title(‘Sine’)
#将第二个 subplot 激活，并绘制第二个图像
plt.subplot(2, 1, 2)
plt.plot(x, y_cos)
plt.title(‘Cosine’)
#展示图像
plt.show()

3：展示二维图像
plt.imshow(train_images[0])

4：绘制特殊图像
绘制方形图：
plt.bar