tensorflow学习笔记（3）

Crossguo

于 2021-09-08 19:27:30 发布

阅读量147

点赞数

文章标签： tensorflow 深度学习神经网络

本文链接：https://blog.youkuaiyun.com/qq_44705887/article/details/120186923

版权

这篇博客记录了21年9月8日关于使用TensorFlow进行卷积神经网络（CNN）的学习。内容涉及数据集重塑、64个3x3滤波器的应用以及最大池化层的实现。提供了详细代码链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

21年9月8日——CNN

import tensorflow as tf
print(tf.__version__)
mnist = tf.keras.datasets.fashion_mnist
(training_images, training_labels), (test_images, test_labels) = mnist.load_data()
training_images = training_images.reshape(60000, 28, 28, 1)
training_images = training_images / 255.0
test_images = test_images.reshape(10000, 28, 28, 1)
test_images = test_images / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Conv2D(64, (3, 3), activation = 'relu', input_shape = (28, 28, 1)),
  tf.keras.layers.MaxPooling2D(2, 2),
  tf.keras.layers.Conv2D(64, (3, 3), activation = 'relu',),
  tf.keras.layers.MaxPooling2D(2, 2),
  tf.keras.layers.Flatten(input_shape = (28, 28)),
  tf.keras.layers.Dense(128, activation = tf.nn.relu),
  tf.keras.layers.Dense(10, activation = tf.nn.softmax)]
)

model.compile(optimizer = tf.optimizers.Adam(),
              loss = 'sparse_categorical_crossentropy')
model.fit(training_images, training_labels, epochs = 5)
test_loss = model.evaluate(test_images, test_labels)

print(tf.__version__)

指的是显示tensorflow的版本。

training_images = training_images.reshape(60000, 28, 28, 1)

将数据集reshape为60000个训练集，28*28，灰度图像。

  tf.keras.layers.Conv2D(64, (3, 3), activation = 'relu', input_shape = (28, 28, 1)),
  tf.keras.layers.MaxPooling2D(2, 2),

64指的是64个滤波器，每个滤波器都是33的。池化层是取22, 4个当中取最大的（MAX）

代码：https://colab.research.google.com/drive/1tY8u4L1Yl-cHD5au7mccQxYHFhGyy4_s#scrollTo=ja317SIWUiZY