mnist 数据集物体分类实例

mnist 数据集物体分类实例

import tensorflow as tf

class myCallback(tf.keras.callbacks.Callback):
    def on_epoch_end(self, epoch, logs={}):
        if(logs.get('accuracy')>0.9):
            print('\n Reached 99% accuracy so cancelling training!')
            self.model.stop_training = True

minst = tf.keras.datasets.mnist
#在mnist对象上调用load_data方法会得到两个元组，各自包含两个列表。这些列表存储了服装用品的训练与测试图像数据及标签值。
(train_images,train_labels),(test_images,test_labels) = minst.load_data()
#得到的图片信息为numpy 类型的数据，当中的每一个数都是在0-255之间，如果我们要训练一个神经网络，出于多种原因，如果把所有的值都处理成0和1之间，那就更容易得到较好的训练效果。这个过程叫做 "归一化"......
train_images = train_images/255
test_images = test_images/255
callback= myCallback()
#扁平化只是把这个正方形变成了一个一维的集合。把二维数组变成一维数组。
model = tf.keras.Sequential([
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(512,activation=tf.nn.relu),
    tf.keras.layers.Dense(10,activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
model.fit(train_images,train_labels,callbacks=[callback])