标签：image 笔记 label Tensorflow2.0 test softmax tf model history

import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

#输入训练数据集和测试数据集
(train_image,train_label),(test_image,test_label)=tf.keras.datasets.fashion_mnist.load_data()

train_image.shape            #查看训练图像数据集的形状
plt.imshow(train_image[0])   #使用matplotlib.pyplot显示训练数据集中第一张图片

train_label_onehot=tf.keras.utils.to_categorical(train_label)#将训练数据标签变成one-hot类型
test_label_onehot=tf.keras.utils.to_categorical(test_label)  #将测试数据标签变成one-hot类型

train_image=train_image/255  #图片归一化，将图片数据从[0,255]转换成[0,1]
test_image=test_image/255 

model=tf.keras.Sequential()
 #将输入的28*28的图片矩阵打平，变成1*784
model.add(tf.keras.layers.Flatten(input_shape=(28,28)))
model.add(tf.keras.layers.Dense(128,activation='relu'))
#添加Droput层，神经元丢弃比例为0.5
model.add(tf.keras.layers.Dropout(0.5))
model.add(tf.keras.layers.Dense(128,activation='relu'))
model.add(tf.keras.layers.Dropout(0.5))
#输出为10分类，激活函数使用softmax
model.add(tf.keras.layers.Dense(10,activation='softmax'))
model.summary()

#不使用one-hot类型标签时的loss选用sparse_categorical_crossentropy
# model.compile(optimizer='adam',
#               loss='sparse_categorical_crossentropy',
#               metrics=['acc'])

model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['acc'])#使用one_hot编码的损失函数

history=model.fit(train_image,
              train_label_onehot,
              epochs=5,
              validation_data=(test_image,test_label_onehot))

model.evaluate(test_image,test_label_onehot)  #评估测试数据的loss和acc
predict=model.predict(test_image)             #对所用测试数据进行预测结果
np.argmax(predict[0])                         #因为输出的是one-hot形状，标签应为向量中最大值
np.argmax(test_label_onehot[0])               #输出原始数据标签


#绘制loss和acc的变化图
plt.plot(history.epoch,history.history.get('loss'),label='loss')
plt.plot(history.epoch,history.history.get('val_loss'),label='val_loss')
plt.legend()

plt.plot(history.epoch,history.history.get('acc'),label='acc')
plt.plot(history.epoch,history.history.get('val_acc'),label='val_acc')
plt.legend()

数据集：tf.keras.datasets.fashion_mnist

tensorflow自带的数据集，fashion_mnist，图片是10类物品，鞋子包包什么的。用于做10个分类任务。首次运行代码自动下载数据集。

标签：image,笔记,label,Tensorflow2.0,test,softmax,tf,model,history
来源： https://blog.csdn.net/qq_39329902/article/details/119256659

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。