面向初学者的快速入门tensorflow

# 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