懒阳的深度学习日记tf2.0 mnist分类
2020-04-02 18:30
1131 查看
mnist分类
实现mnist训练 实现简单的分类任务
标题1、引用模块并下载数据
import numpy as np import tensorflow as tf import matplotlib.pyplot as plt mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() x_train = x_train / 255.0 x_test = x_test / 255.0 #print(x_train.shape) #print(y_train.shape) #print(x_test.shape) #print(y_test.shape) #print(y_train[2]) #第三个图片属于第四类 #plt.imshow(x_train[2])
训练模型和评估
model = tf.keras.Sequential() model.add(tf.keras.layers.Flatten(input_shape=(28, 28))) #将输入变为一维数据 model.add(tf.keras.layers.Dense(128, activation='relu')) model.add(tf.keras.layers.Dense(units = 10,activation = 'softmax')) #设置全连接层 model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy']) model.fit(x_train, y_train, epochs=5) model.evaluate(x_test, y_test)
模型预测
loss, accuracy = model.evaluate(x_test, y_test) print('accuracy is {}, loss is {}'.format(accuracy, loss))
- 点赞
- 收藏
- 分享
- 文章举报
相关文章推荐
- 一个菜鸡的自强之路-MNIST手写数字分类问题(基础篇)
- DL之CNN:利用卷积神经网络算法(2→2,基于Keras的API-Functional)利用MNIST(手写数字图片识别)数据集实现多分类预测—daidingdaiding
- 使用深度学习的三维点云分类的介绍
- DCNN-tensorflow(深度卷积) 以MNIST集合上进行分类为例
- Pytorch框架:CNN实现MNIST手写数据集分类
- 基于keras的深度学习——分类
- 用深度学习(CNN RNN Attention)解决大规模文本分类问题 - 综述和实践
- 简单HOG+SVM mnist手写数字分类
- MFC学习日记八:Mfc设置菜单项及消息分类(总结)
- 深度学习中的分类网络
- [MXNet逐梦之旅]练习六·使用MXNetFashionMNIST数据集RNN分类
- Tensorflow之MNIST手写数字识别:分类问题(2)
- 基于Bayes分类器的mnist分类(属性独立、属性服从高斯分布)
- 使用逻辑回归进行MNIST分类(Classifying MNIST using Logistic Regressing)
- 深度学习系列——windows平台下跑微软caffe实战之运行mnist,cifar10
- tensorflow 多层感知机 分类mnist
- MNIST数据集两层神经网络分类
- 【python实现基于深度学习的文本情感分类(3)】——word2vec词向量训练
- NLP:使用深度学习进行文本分类的一些主要模型
- 机器学习入门之FashionMNIST图像分类