# 将tensorflow载入程序
import tensorflow as tf
# 载入并准备好数据集
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
# 将样本从整数转换为浮点数
x_train, x_test = x_train / 255.0, x_test / 255.0
#搭建tf.keras.models.Sequential模型
model=tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28,28)),#Flatten:变平 将多维数组变成一位数组(784)
tf.keras.layers.Dense(128,activation='relu'),#Dense:降维 设置输出节点数为128,激活函数类型为Relu
tf.keras.layers.Dropout(0.2),#Dropout:随机抛弃,防止过拟合
tf.keras.layers.Dense(10,activation='softmax')
])
#为训练选择优化器,损失函数,度量
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
#训练并验证模型
model.fit(x_train,y_train,epochs=5)
model.evaluate(x_test,y_test,verbose=2)#verbose = 2 为每个epoch输出一行记录
model.save_weights('D:weight', save_format='tf') # 保存模型
面向初学者的快速入门tensorflow
猜你喜欢
转载自blog.csdn.net/m0_48126147/article/details/112135748
今日推荐
周排行