Keras机器学习基本知识-基本图像分类

本文仅为本人的巩固与学习，例子源自Tensorflow的官方文档。

加载必要的库

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

导入自带的 Fashion MNIST 数据集

直接从 TensorFlow 中导入和加载 Fashion MNIST 数据

fashion_mnist = tf.keras.datasets.fashion_mnist

(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

Fashion MNIST 数据集都相对较小，都用于验证某个算法是否按预期工作。对于代码的测试和调试，它们都是很好的起点。

每个图像都会被映射到一个标签。由于数据集不包括类名称，请将它们存储在下方，供稍后绘制图像时使用：

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

浏览数据

train_images.shape 
# (60000, 28, 28) 训练集中有 60,000 个图像，每个图像由 28 x 28 的像素表示
len(train_labels)
# 60000 训练集中有 60,000 个标签（数据）
train_labels
# array([9, 0, 0, ..., 3, 0, 5], dtype=uint8) 每个标签都是一个 0 到 9 之间的整数
test_images.shape
# (10000, 28, 28) 测试集中有 10,000 个图像。同样，每个图像都由 28x28 个像素表示
len(test_labels)