基於半個學期的深度學習，我將用老師曾經給過的乙個專案來完成一次我的tensorflow的學習筆記
首先，對於tensorflow的理解，tensorflow是一種較為完善的深度學習框架，支援所有流行變成語言開發，可以使用其內建函式使模型的搭建更加緊湊，此外，tensorflow可在多平台上工作，允許將模型部署到工業生產中，並易於使用。
專案名稱為基本分類：對服裝影象進行分類，本專案是用tensorflow搭建乙個神經網路模型，對運動給和襯衫等服裝影象進行分類
首先是匯入該用的庫
然後從keras中匯入資料集
此時載入的資料會返回四個numpy陣列
train_images（資料）和train_labels（標籤）陣列是訓練集，用於模型學習
影象是28x28的的numpy的陣列之間。畫素值介到0到9之間，這些標籤所對應的標籤為
接下來需要預處理資料，通過檢查訓練集的第乙個影象，會發現畫素值處於0到255之間
將這些值縮小到0到1之間，所以，將這些值➗255
接下來構建模型
首先需要設定層
神經網路的基本組成部分是層。層會從向其饋送的資料中提取表示形式。希望這些表示形式有助於解決手頭上的問題。
大多數深度學習都包括將簡單的層鏈結在一起
該網路的第一層tf.keras.layers.flatten將影象格式從二維陣列（28 x 28 畫素）轉換成一維陣列（28 x 28 = 784 畫素）。將該層視為影象中未堆疊的畫素行並將其排列起來。該層沒有要學習的引數，它只會重新格式化資料。
展平畫素後，網路會包括兩個tf.keras.layers.dense層的序列。它們是密集連線或全連線神經層。第乙個dense層有 128 個節點（或神經元）。第二個（也是最後乙個）層會返回乙個長度為 10 的 logits 陣列。每個節點都包含乙個得分，用來表示當前影象屬於 10 個類中的哪一類
接下編譯模型
在對模型進行訓練之前。還需對其進行一些設定：
損失函式： 用於測量模型在訓練期間的準確率
優化器 ：決定模型如何根據其看到的資料和自身的損失函式進行更新
指標 - 用於監控訓練和測試步驟
接下來訓練模型：
訓練模型分為四個步驟
將訓練資料饋送給模型。在本例中，訓練資料位於train_images和train_labels陣列中。
模型學習將影象和標籤關聯起來。
要求模型對測試集（在本例中為test_images陣列）進行**。
驗證**是否與test_labels陣列中的標籤相匹配
向模型傳送資料
接下來評估準確率
傳入測試資料，測試標籤，設定為二維
最後進行**
在模型經過訓練後，可以使用它對一些影象進行**
現在做乙個**
**結果是乙個包含 10 個數字的陣列。它們代表模型對 10 種不同服裝中每種服裝的「置信度」
最後驗證**結果
tensorflow學習筆記
tensorflow安裝可以直接通過命令列或者原始碼安裝，在此介紹tensorflow8命令列安裝如下 安裝tensorflow sudo pip install upgrade 另外，解除安裝tensorflow命令為 sudo pip uninstall tensorflow tensorflo...
Tensorflow學習筆記
1.如何在虛擬機器中安裝tensor flow 1 首先安裝pip pip install 2 pip install 2.學習tensorflow需要學習 python and linux 3.使用 tensorflow,你必須明白 tensorflow 1 使用圖 graph 來表示計算任務.2...
TensorFlow學習筆記
1 擬合直線 import the library import tensorflow as tf import numpy as np prepare train data train x np.linspace 1,1,100 temp1 train x,temp2 train x.shape,...