tensorflow笔记1_入门案例

这是官网的一个入门案例，识别手写数1-9。

加载mnist数据集

import tensorflow as tf
minist=tf.keras.datasets.mnist
(x_train,y_train),(x_test,y_test)=minist.load_data()

然后会报一个错误

load_data是去谷歌的服务器上下载数据，所以不能开学上网的话貌似是连不上的。

可以去网上找一个mnist.npz下载到本地。

然后改写为

path=\'C:/Users/.../Documents/PY code/mnist.npz\'
(x_train,y_train),(x_test,y_test)=minist.load_data(path)

就可以了。

import tensorflow as tf
minist=tf.keras.datasets.mnist
path=\'C:/Users/.../Documents/PY code/mnist.npz\'
(x_train,y_train),(x_test,y_test)=minist.load_data(path)
x_train,x_test=x_train/255.0,x_test/255.0
#将神经网络模型各层堆叠起来，为训练选择优化器和损失函数。
model=tf.keras.Sequential([
    tf.keras.layers.Flatten(input_shape=(28,28)),
    tf.keras.layers.Dense(128,activation=\'relu\'),
    tf.keras.layers.Dropout(0.2),   #退出率，一般在后几层防止过拟合
    tf.keras.layers.Dense(10,activation=\'softmax\')
])

model.compile(optimizer=\'adam\',#优化器，自适应矩估计，每一代学习率会有变化
            loss=\'sparse_categorical_crossentropy\',#稀疏分类交叉熵
            metrics=[\'accuracy\'] #评估标准，准确度
            )
model.fit(x_train,y_train,epochs=5)
model.evaluate(x_test,y_test,verbose=2)#