Tensorflow学习-MNIST数据集

最新推荐文章于 2025-04-14 17:27:53 发布

意境阑珊处

最新推荐文章于 2025-04-14 17:27:53 发布

阅读量689

点赞数 3

分类专栏： TensorFlow学习文章标签：深度学习

本文链接：https://blog.youkuaiyun.com/weixin_48905043/article/details/107664065

版权

本文介绍了使用Tensorflow进行MNIST数据集的学习，包括数据导入、图像转化、标签编码、定义神经网络、模型训练、指标可视化及模型保存与加载。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Tensorflow学习-MNIST数据集

Softmax

①数据集导入，keras自带的下载或者从某盘提取点击获取数据集，提取码：45yf

#导入数据集
from keras.datasets import mnist
(x_train,y_train),(x_test,y_test)=mnist.load_data('E:/TensorFlow_mnist/MNIST_data/mnist.npz')

print(x_train.shape,type(x_train))  #60000张28*28的图片
print(y_train.shape,type(y_train))  #60000个标签

②图像和数据类型的转化

#将图像28*28的转换成784
X_train = x_train.reshape(60000,784)
X_test = x_test.reshape(10000,784)
print(X_train.shape,type(X_train))
print(X_test.shape,type(X_test))


#将数据转换为float32
X_train=X_train.astype('float32')
X_test=X_test.astype('float32')
#数据归一化
X_train/=255
X_test/=255

③统计训练数据集中各标签的数量并可视化展示

#统计训练数据中的各标签数量
import numpy as np
import matplotlib.pyplot as plt

label,count=np.unique(y_train,return_counts=True)
print(label,count)
#lable的可视化输出
fig = plt.figure()
plt.bar(label,count,width=0.7,align='center')
plt.title("Label Distribution")
plt.xlabel("Label")
plt.ylabel("Co