fashion mnist 是乙個衣物資料集,整合在keras中可以直接使用。本文記錄了一步一步利用 fashion minst 的資料庫訓練 tensorflow 神經網路。
import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt
print
(tf.__version__)
fashion_mnist = keras.datasets.fashion_mnist
(train_images , train_labels)
,(test_images , test_labels)
= fashion_mnist.load_data(
)print
("train images shapes:"
+str
(train_images.shape)
+"test images shapes:"
+str
(test_images.shape)
)
plt.figure(
)plt.imshow(train_images[0]
)#show a picture
plt.colorbar(
)# show a color scale
plt.grid(
true
)# display the gtid
利用matplotlib來畫出這張。imshow表示繪圖,colorbar表示顯示色階,grid代表是否繪製網格。
資料的標準化(normalization)是將資料按比例縮放,使之落入乙個小的特定區間。其主要目的在於將資料變化成[0 , 1]之間的資料,以方便後續對於資料的處理。
train_images = train_images /
255.0
test_images = test_images /
255.0
class_names =
["t-shirt"
,"trouser"
,"pullover"
,"dress"
,"coat"
,"sandal"
,"shirt"
,"sneaker"
,"bag"
,"ankie boot"
]plt.figure(figsize =(15
,15))
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.get_cmap(
'pubugn'))
plt.xlabel(class_names[train_labels[i]
])
此處為何不知道為什麼我的不支援中文顯示,所以只能換成了英文分類。 機器學習實戰
花了一段時間,總算把 機器學習實戰 粗讀了一遍,重點就在這個粗讀上。這本書的確不錯,機器學習的幾個經典演算法都涉及了,每個演算法都有1 2個實際例子進行說明,都有實實在在的 讓我想起了linus的 talk is cheap,show me the code 那句名言。但多年來養成的習慣,從來都是喜...
機器學習之神經網路 離線安裝tensorflow
python學習中安裝方面是乙個大坑,後面我會把所有的安裝過程都總結下來,這裡先推送乙個tensorflow的安裝,大家不用慌,按照下面的過程一步一步來.通過cmd開啟命令符,或者使用anaconda prompt安裝package 圖3 anaconda prompt 1 使用pip list或者...
機器學習機器學習實戰 kmeans
簡介 聚類演算法是一種無監督學習,它將相似的物件歸類到同一簇中。聚類的方法可以應用所有的物件,簇內的物件越相似,聚類效果也就越好。聚類和分類的最大不同之處在於,分類的目標是已知的,聚類是完全無監督學習,類別沒有像分類那樣被預先定義出來,所以叫做無監督學習。kmeans演算法是實際中最常用的聚類演算法...