Tensorflow1.11.0 实践

版本

Tensorflow的安装，我使用anaconda3.6 安装最新版本 1.11.0；

废物不多说，先拿案例代码basic classification跑一下结果：

# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras

# Helper libraries
import numpy as np
import matplotlib.pyplot as plt

print(tf.__version__)

// 官网的包自动下载数据集
fashion_mnist = keras.datasets.fashion_mnist

(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']


train_images = train_images / 255.0

test_images = test_images / 255.0


// 做数据检验
# plt.figure(figsize=(10,10))
# for i in range(25):
#     plt.subplot(5,5,i+1)
#     plt.xticks([])
#     plt.yticks([])
#     plt.grid(False)
#     plt.imshow(train_images[i], cmap=plt.cm.binary)
#     plt.xlabel(class_names[train_labels[i]])
# plt.show()


//模型的建立
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])


model.compile(optimizer=tf.train.AdamOptimizer(),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(train_images, train_labels, epochs=5)

// 模型的效果查看
test_loss, test_acc = model.evaluate(test_images, test_labels)

print('Test accuracy:', test_acc)

print('test loss', test_loss)

再来详解一下代码：

1.
fashion_mnist = keras.datasets.fashion_mnist

(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

这一块的代码是官网的例子自动下载包，返回训练集和测试集，没啥好讲的，可以自己去看一下源码，我看了下，就是简单的下载文件检查文件，然后返回数据的dataSet（）


2.

train_images = train_images / 255.0
在馈送到神经网络模型之前，我们将这些值缩放到0到1的范围。为此，将图像组件的数据类型从整数转换为float，并除以255.这是预处理图像的函数；

3.
model = keras.Sequential([

    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax) ]) model.compile(optimizer=tf.train.AdamOptimizer(), loss='sparse_categorical_crossentropy', metrics=['accuracy']) model.fit(train_images, train_labels, epochs=5)


设置模型参数，这些参数暂时不用管，以后慢慢学习慢慢调整就可以了。

4.

print('Test accuracy:', test_acc)

查看模型的效果，关注准确率就返回准确率就可以了；

Tensorflow1.11.0 实践

猜你喜欢