Python 如何使用Python训练Fashion MNIST数据集的TensorFlow模型？

TensorFlow是由Google提供的机器学习框架。它是一个开源框架，与Python一起使用以实现算法、深度学习应用程序等等。它被用于研究和生产目的。

可以使用以下代码在Windows上安装’tensorflow’包：

pip install tensorflow

Tensor是TensorFlow中使用的数据结构。它有助于连接流程图中的边缘。这个流程图被称为“数据流程图”。Tensors只是多维数组或列表。

“Fashion MNIST”数据集包含不同种类的服装图像。它包含10个不同类别的70000多件衣服的灰度图像。这些图像分辨率较低（28 x 28像素）。

我们使用Google Colaboratory来运行以下代码。Google Colab或Colaboratory可以在浏览器上运行Python代码，无需配置，并提供免费访问GPU（图形处理单元）。Colaboratory是在Jupyter笔记本之上构建的。以下是代码 –

阅读更多：Python 教程

示例

print("The model is fit to the data")
model.fit(train_images, train_labels, epochs=15)

print("The accuracy is being computed")
test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)
print('\nThe test accuracy is :', test_acc)

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

输出

The model is fit to the data
Epoch 1/15
1875/1875 [==============================] - 4s 2ms/step - loss: 0.6337 - accuracy: 0.7799
Epoch 2/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3806 - accuracy: 0.8622
Epoch 3/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3469 - accuracy: 0.8738
Epoch 4/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3131 - accuracy: 0.8853
Epoch 5/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2962 - accuracy: 0.8918
Epoch 6/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2875 - accuracy: 0.8935
Epoch 7/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2705 - accuracy: 0.8998
Epoch 8/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2569 - accuracy: 0.9023
Epoch 9/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2465 - accuracy: 0.9060
Epoch 10/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2440 - accuracy: 0.9088
Epoch 11/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2300 - accuracy: 0.9143
Epoch 12/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2255 - accuracy: 0.9152
Epoch 13/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2114 - accuracy: 0.9203
Epoch 14/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2101 - accuracy: 0.9211
Epoch 15/15
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2057 - accuracy: 0.9224
The accuracy is being computed
313/313 - 0s - loss: 0.3528 - accuracy: 0.8806

The test accuracy is : 0.8805999755859375

说明

• 训练模型的方法是首先提供训练数据，然后建立模型。‘train_images’和‘train_labels’是输入数据的数组。

• 模型学习将图像与相应的标签进行匹配。

• ‘test_images’存储测试数据。

• 一旦测试数据集被使用，预测结果就与测试数据集中实际标签匹配。

• 调用‘model.fit’方法，它可以将模型拟合到训练数据集上。

• ‘model.evaluate’函数给出了与训练相关的准确性和损失。