如何使用TensorFlow在Python中对Fashion MNIST数据集进行预测？

TensorFlow是谷歌提供的机器学习框架。它是一个开源框架，与Python一起用于实现算法、深度学习应用等等。它被用于研究和生产目的。它具有优化技术，可以快速执行复杂的数学运算。这是因为它使用NumPy和多维数组。这些多维数组也被称为“张量”。

可以使用以下代码在Windows上安装’tensorflow’软件包 −

pip install tensorflow

张量是TensorFlow中使用的一种数据结构。它有助于连接流程图中的边缘。这个流程图被称为“数据流图”。张量不过是多维数组或列表。

“Fashion MNIST”数据集包含不同种类的服装图片。它包含超过7万张属于10个不同类别的衣服的灰度图像。这些图像的分辨率很低（28 x 28个像素）。

我们使用Google Colab来运行以下代码。Google Colab或Colaboratory可以在浏览器上运行Python代码，无需任何配置，并且可以免费访问GPU（图形处理单元）。Colaboratory是基于Jupyter Notebook构建的。

以下是用于进行预测的代码片段 −

更多Python相关文章，请阅读：Python 教程

示例

probability_model = tf.keras.Sequential([model,
                                         tf.keras.layers.Softmax()])
predictions = probability_model.predict(test_images)
print("The predictions are being made ")
print(predictions[0])

np.argmax(predictions[0])
print("The test labels are")
print(test_labels[0])
def plot_image(i, predictions_array, true_label, img):
  true_label, img = true_label[i], img[i]
  plt.grid(False)
  plt.xticks([])
  plt.yticks([])

  plt.imshow(img, cmap=plt.cm.binary)

  predicted_label = np.argmax(predictions_array)
  if predicted_label == true_label:
    color = 'blue'
  else:
    color = 'red'

  plt.xlabel("{} {:2.0f}% ({})".format(class_names[predicted_label],
     100*np.max(predictions_array),
     class_names[true_label]), color=color)

def plot_value_array(i, predictions_array, true_label):
  true_label = true_label[i]
  plt.grid(False)
  plt.xticks(range(10))
  plt.yticks([])
  thisplot = plt.bar(range(10), predictions_array, color="#777777")
  plt.ylim([0, 1])
  predicted_label = np.argmax(predictions_array)

  thisplot[predicted_label].set_color('red')
  thisplot[true_label].set_color('green')

代码来源 − https://www.tensorflow.org/tutorials/keras/classification

输出

The predictions are being made
[1.3008227e−07 9.4930819e−10 2.0181861e−09 5.4944155e−10 3.8257373e−11
1.3896286e−04 1.4776078e−08 3.1724274e−03 9.4210514e−11 9.9668854e−01]
The test labels are
9