29、使用顺序API构建图像分类器

使用顺序API构建图像分类器

1. 加载数据集

我们将使用Fashion MNIST数据集，它是MNIST的替代数据集。与MNIST一样，它包含70,000张28×28像素的灰度图像，分为10个类别，但这些图像代表的是时尚物品而非手写数字，因此每个类别更加多样化，问题也比MNIST更具挑战性。例如，一个简单的线性模型在MNIST上的准确率约为92%，而在Fashion MNIST上仅约为83%。

使用Keras加载数据集的步骤如下：

import tensorflow as tf
fashion_mnist = tf.keras.datasets.fashion_mnist.load_data()
(X_train_full, y_train_full), (X_test, y_test) = fashion_mnist
X_train, y_train = X_train_full[:-5000], y_train_full[:-5000]
X_valid, y_valid = X_train_full[-5000:], y_train_full[-5000:]

使用Keras加载MNIST或Fashion MNIST时，每个图像表示为28×28的数组，像素强度表示为整数（0到255）。为了简化，我们将像素强度除以255.0，将其缩放到0 - 1范围，并转换为浮点数：

X_train, X_valid, X_test = X_train / 255., X_valid / 255., X_test