Tensorflow2.0的深度学习第一个例子

Tensorflow2.0的深度学习第一个例子

Tensorflow深度学习入门的例子是“MNIST数据“学习。
主要包括四个部分：
1）数据加载和预处理
2）建立深度学习模型
3）训练
4）评估

import tensorflow as tf

# data load and preprocess
mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train/255.0, x_test/255.0

#build model
model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.3),
    tf.keras.layers.Dense(10, activation='softmax')
    ])

model.compile(optimizer='adam',
        loss='sparse_categorical_crossentropy',
        metrics=['accuracy']
        )

# train
model.fit(x_train, y_train, epochs=5)

# evaluate
model.evaluate(x_test, y_test)

Tensorflow和python、keras的关系

Tensorflow是张量计算和深度学习框架，提供了python、C++和Java三种语言的API；
Keras是基于Tensorflow学习框架的深度学习模型封装，上面的例子就是keras封装，所以代码非常简洁。
1）mnist是keras封装并做了大量处理的数据集
2）模型的建立、训练和评估，keras也做了封装

Tensorflow2.0

当前网上大量tensorflow的学习文章都是tensorflow1.x，2.x和1.x之间差别很大，在学习过程中很容掉坑，这一点特别要注意。