3、TensorFlow 2.x 机器学习实战：分类与回归

TensorFlow 2.x 机器学习实战：分类与回归

1. 图像分类与 CNN 基础

在 TensorFlow 2.x 中进行图像分类是一个重要的应用场景，这里我们使用卷积神经网络（CNN）来完成这一任务。

1.1 数据加载与预处理

首先，我们使用 CIFAR - 10 数据集，该数据集已预打包在 TensorFlow 中。以下是加载数据集的代码：

import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt

(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()

原始图像的像素值范围是 0 到 255，为了更好地训练模型，我们需要将其归一化到 0 到 1 之间：

# Normalize pixel values to be between 0 and 1
train_images, test_images = train_images / 255.0, test_images / 255.0

plt.imshow(train_images[0])
plt.colorbar()
plt.grid(False)
plt.show()

1.2 模型构建