tensorflow(9)--识别FASHION数据集

使用TensorFlow训练Fashion MNIST数据集

最新推荐文章于 2024-04-27 08:13:41 发布

原创最新推荐文章于 2024-04-27 08:13:41 发布 · 855 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #深度学习 #机器学习

tensorflow快速入手专栏收录该内容

13 篇文章

订阅专栏

该博客展示了如何利用TensorFlow库加载Fashion MNIST数据集，对数据进行预处理，然后构建一个简单的神经网络模型进行训练。模型包含一个Flatten层、一个128个节点的全连接层（ReLU激活）和一个10个节点的输出层（softmax激活）。模型用Adam优化器训练，损失函数为SparseCategoricalCrossentropy，评估指标为sparse_categorical_accuracy。经过5个epoch的训练，模型完成学习。

代码如下

import tensorflow as tf
from tensorflow import keras
import matplotlib.pyplot as plt

fashion = keras.datasets.fashion_mnist
(x_train,y_train),(x_test,y_test) = fashion.load_data()
x_train,x_test = x_train/255.0,x_test/255.0


model = keras.models.Sequential([
    keras.layers.Flatten(),
    keras.layers.Dense(128,activation='relu'),
    keras.layers.Dense(10,activation="softmax")
])

model.compile(optimizer='adam',loss=keras.losses.SparseCategoricalCrossentropy(from_logits=False),metrics=['sparse_categorical_accuracy'])
model.fit(x_train,y_train,batch_size=32,epochs=5,validation_data=(x_test,y_test),validation_freq=1)
model.summary()