卷积神经网络服装图片分类

一.使用Keras和TensorFlow加载和初步了解Fashion-MNIST数据集

导入和预处理Fashion-MNIST数据集，并设置TensorFlow的日志级别。
Fashion-MNIST是一个包含60,000个28x28像素服装类别图像的训练集和10,000个图像的测试集的数据集。

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import datasets,layers,optimizers,Sequential,metrics
# 导入数据集管理库，层级，优化器，全连接层容器，测试度量器
import os  # 设置一下输出框打印的内容
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  
# '2'输出栏只打印error信息，其他乱七八糟的信息不打印
 
#导入数据集，数组类型
(x,y),(x_test,y_test) = datasets.fashion_mnist.load_data()
# 查看数据集信息
print(f'x.shape={
   
   x.shape}，y.shape={
   
   y.shape}') # 查看训练集xy的大小
print(f'x_test.shape={
   
   x_test.shape}，y_test.shape={
   
   y_test.shape}') #查看测试集的大小
print(f'y[:5]={y[:5]}') # 查看y的前5项数据

首先，导入所需的库，包括TensorFlow、Keras和os。

接下来，我们使用tf.keras.datasets.fashion_mnist.load_data()函数加载Fashion-MNIST数据集。这个函数返回四个NumPy数组：(x_train, y_train)和(x_test, y_test)，其中x_train和x_test包含图像数据，y_train和y_test包含相应的标签。

然后，我们打印这些数组的形状，以了解数据集的大小。x_train和x_test都是(60000, 28, 28)的形状，表示60000个28x28像素的图像。y_train和y_test都是(60000,)的形状，表示60000个标签。

最后，我们通过打印y[:5]来查看前五个标签。这里的标签是整数，表示图像对应的服装类别，比如0表示T恤，1表示裤子等。

---

*查看数据集

# 数据集展示
import matplotlib.pyplot as plt
import numpy as np
# 每个类别的名称
class_names = ['Tshirt','Trouser','Pullover','Dress','Coat','Sandal','Shirt','Sneaker','Bag','Ankle boot']
# 绘制图像
for i in range(0,10):
    plt.subplot(2,5,i+1) # 当前的图绘制在2行5列的第i+1个位置
    plt.imshow(x[i]) 
    plt.xlabel(class_names[y[i]]) #y[i]代表所属分类的标签值
    plt.xticks([])  # 不显示x和y轴坐标
    plt.yticks([