6、深度学习模型实战：从MNIST到Fashion-MNIST

深度学习模型实战：从MNIST到Fashion-MNIST

1. 运行MNIST模型

1.1 运行前的预检查

在运行第一个深度学习模型之前，需要进行以下预检查，以确保模型能够顺利运行：
1. 确保已经安装了所有必需的库，主要包括TensorFlow、OpenCV和Matplotlib。
2. 激活安装了这些库的conda环境，可以通过查看命令提示符来确认激活环境的名称是否显示。
3. 如果还没有在 lenet_mnist_tf_keras.py 文件所在的目录下创建名为 data 的目录，需要创建该目录，模型权重将默认保存到此目录，同时要确保该目录具有写入权限。

1.2 训练模型

由于是首次运行模型，需要对其进行训练，并保存训练后的模型权重。可以使用以下命令：

python lenet_mnist_tf_keras.py --train-model 1 --save-trained 1

如果之前没有使用过MNIST数据集，Keras会自动下载该数据集，下载大小约为10MB，下载时间不会太长。下载完成后，代码会构建深度学习模型，进行编译并开始训练，训练将按照指定的20个周期进行。

如果使用TensorFlow GPU版本运行，训练时间将少于两分钟；而在CPU上运行，可能需要长达30分钟。训练过程中，控制台会显示训练进度、训练和验证的准确率及损失。训练完成后，会在测试数据集上评估模型，并给出最终的准确率，简单模型的准确率通常在98 -