tensorflowノート1_エントリーケース

これは、エントリ・ケースの公式サイト、手書き認識1-9の数です。

mnistデータセットをロードします

インポートTFとしてtensorflow 
minist = tf.keras.datasets.mnist 
（x_train、y_train）、（x_test、y_test） = minist.load_data（）

その後、エラーが報告されます

LOAD_DATAはあなたがアクセスできないように、Googleのサーバーにデータをダウンロードすることで、その後、学校のローマのように見えます。

ローカルにダウンロードmnist.npzを見つけるためにオンラインで行くことができます。

そして、書き換え

パス= ' C：/ユーザ/.../ドキュメント/ PYコード/ mnist.npz ' 
（x_train、y_train）、（x_test、y_test） = minist.load_data（パス）

その上に。

インポートTF AS tensorflow 
minist = tf.keras.datasets.mnist 
パス = ' C：/ドキュメント/.../ユーザ/ PYコード/ mnist.npz ' 
（x_train、y_train）、（。x_test、android.permission.FACTOR） = minist.load_data（パス）
x_train、x_test = x_train / 255.0、x_test / 255.0
 ＃ニューラルネットワークモデルの層が積層され、最適なトレーニング機能喪失を選択。
=モデルtf.keras.Sequential（[ 
    tf.keras.layers.Flatten（input_shape =（28、28 ））、
    tf.keras.layers.Dense（ 128、アクティベーション= ' RELU ' ）、
    tf.keras.layers.Dropout （ 0.2）、   ＃のオーバーフィッティングを防ぐために、通常はいくつかの層の後にドロップアウト率、
    tf.keras.layers.Dense（10、アクティベーション= ' のSoftMax ' ）
]）

model.compile（オプティマイザ = ' ADAM '、＃のオプティマイザ、適応モーメント推定、学習率は、各世代の変化します 
            損失= ' sparse_categorical_crossentropyを'、＃スパースクロスエントロピー分類 
            メトリック= [ ' 精度' ] ＃の評価基準、精度
            ）
model.fit（x_train、y_train、エポック = 5 ）
model.evaluate（x_test、android.permission.FACTOR。、冗長 = 2） ＃

tensorflowノート1_エントリーケース

おすすめ