1.2 简单的神经网络视觉识别（TensorFlow ）

咸鱼布衣

已于 2023-05-03 01:13:09 修改

阅读量163

点赞数

分类专栏：机器学习文章标签： tensorflow 神经网络深度学习

于 2023-05-03 01:02:04 首次发布

本文链接：https://blog.youkuaiyun.com/qq_33253054/article/details/130469096

版权

机器学习专栏收录该内容

9 篇文章

订阅专栏

该文介绍了如何利用TensorFlow库加载fashion_mnist数据集，对图像进行预处理，构建一个简单的神经网络模型，包括Flatten层、ReLU激活函数和Softmax输出层。模型经过训练后，用测试集评估其性能，实现对服装类别的视觉识别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用下载的 fashion_mnist做个简单的视觉识别网络

import tensorflow as tf
import numpy as np
# 获取数据集 从网上下载
mnist = tf.keras.datasets.fashion_mnist
(training_images,training_lables),(test_images,test_labels) = mnist.load_data()

# 展现获取的数据集
import matplotlib.pyplot as plt
plt.imshow(training_images[0])
# 训练标签
print(training_lables[0])
# 训练图像
print(training_images[0])

training_images = training_images /255.0
test_images = test_images / 255.0
# 建立神经网络
model = tf.keras.models.Sequential([tf.keras.layers.Flatten(),
                                    tf.keras.layers.Dense(128,activation=tf.nn.relu),
                                    tf.keras.layers.Dense(10,activation=tf.nn.softmax)])
# 优化器与损失函数编译
model.compile(optimizer= tf.keras.optimizers.Adam(),
            loss = 'sparse_categorical_crossentropy',
            metrics=['accuracy'])
# 训练模型
model.fit(training_images,training_lables,epochs=5)
# 检查模型正确
model.evaluate(test_images,test_labels)