softmax分類





Fashion MNIST數據集

import tensorflow as tf import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline # 下載數據集并劃分為訓練集和測試集 (train_image,train_lable),(test_image,test_label) = tf.keras.datasets.fashion_mnist.load_data()

train_image.shape,train_lable.shape #查看訓練集

test_image.shape,test_label.shape # 查看測試集

plt.imshow(train_image[0]) # 通過切片取出測試機第一張圖片查看

train_image[0] # 查看取值

np.max(train_image[0]) #查看最大值得出取值范圍0-255

train_lable # 查看對應的分類 9代表鞋子

# 歸一化 train_image=train_image/255 test_image=test_image/255 train_image.shape

# 建立模型 model = tf.keras.Sequential() model.add(tf.keras.layers.Flatten(input_shape=(28,28))) # 28*28 model.add(tf.keras.layers.Dense(128,activation="relu")) model.add(tf.keras.layers.Dense(10,activation="softmax")) # 編譯模型 model.compile(optimizer="adam",loss="sparse_categorical_crossentropy",metrics=["acc"]) # 使用訓練集集訓練模型 model.fit(train_image,train_lable,epochs=5)

# 使用測試集進行評價 model.evaluate(test_image,test_label)

完整代碼

# -*- coding: utf-8 -*- # -*- coding: utf-8 -*- import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告級別，不顯示警告 import tensorflow as tf import pandas as pd import numpy as np import matplotlib.pyplot as plt# 下載數據集并劃分為訓練集和測試集 (train_image,train_lable),(test_image,test_label) = tf.keras.datasets.fashion_mnist.load_data() # 歸一化 train_image=train_image/255 test_image=test_image/255 # 建立模型 model = tf.keras.Sequential() model.add(tf.keras.layers.Flatten(input_shape=(28,28))) # 28*28 model.add(tf.keras.layers.Dense(128,activation="relu")) model.add(tf.keras.layers.Dense(10,activation="softmax"))# 編譯模型 model.compile(optimizer="adam",loss="sparse_categorical_crossentropy",metrics=["acc"]) # 使用訓練集訓練模型 model.fit(train_image,train_lable,epochs=5) # 使用測試集進行評價 model.evaluate(test_image,test_label)

獨熱編碼one_hot
如： 北京 [1,0,0] 上海 [0,1,0] 深圳 [0,0,1]

train_lable_onehot = tf.keras.utils.to_categorical(train_lable) train_lable_onehot

test_lable_onehot = tf.keras.utils.to_categorical(test_label) test_lable_onehot

# 建立模型 model = tf.keras.Sequential() model.add(tf.keras.layers.Flatten(input_shape=(28,28))) # 28*28 model.add(tf.keras.layers.Dense(128,activation="relu")) model.add(tf.keras.layers.Dense(10,activation="softmax"))# 編譯模型 model.compile(optimizer="adam",loss="categorical_crossentropy",metrics=["acc"]) # 使用訓練集訓練模型 model.fit(train_image,train_lable_onehot,epochs=5)

predict =model.predict(test_image) test_image.shape

predict.shape # 查看預測結果 長度10000，向量10

predict[0]# 查看第一個預測結果 最大值9.2445886e-01

np.argmax(predict[0])# 查看預測最大概率值為9

test_label[0] # 查看真實結果為9

總結

以上是生活随笔為你收集整理的深度学习-Tensorflow2.2-深度学习基础和tf.keras{1}-softmax多分类-06的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。