第一个TensorFlow程序

MNIST数据集
MNIST数据集是一个大型的手写体数字数据库，通常用于训练各种图像处理系统，也被广泛用于机器学习领域的训练和测试。MNIST数据库中的图像集是NIST（National Institute of Standards and Technology）的两个数据库的组合：专用数据库1和特殊数据库3。数据集是有250人手写数字组成，50%是高中学生，50%是美国人口普查局。
MNIST数据集分为60,000张的训练数据集合10,000张的测试数据集，每张图像的大小为28x28（像素）；每张图像都为灰度图像，位深度为8（灰度图像是0-255）

程序代码部分

import tensorflow as tf
from tensorflow.keras.layers import Dense, Flatten, Conv2D
from tensorflow.keras import Model# 加载并准备 MNIST 数据集。
mnist = tf.keras.datasets.mnist(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0# 增加维数
x_train = x_train[..., tf.newaxis]
x_test = x_test[..., tf.newaxis]# 切分数据集，以混淆数据集
# from_tensor_slices:它的作用是把给定的元组、列表和张量等数据进行特征切片。切片的范围是从最外层维度开始的。
# shuffle(buffer_size, seed=None, reshuffle_each_iteration=None)
train_ds = tf.data.Dataset.from_tensor_slices((x_train, y_train)).shuffle(10000).batch(32)
test_ds = tf.data.Dataset.from_tensor_slices((x_test, y_test)).batch(32)# 构建tf.keras模型
class MyModel(Model):def __init__(self):super(MyModel, self).__init__()# ReLU(Rectified Linear Unit, 修正线性单元): max(0, x)self.conv1 = Conv2D(32, 3, activation='softmax')self.flatten = Flatten()self.d1 = Dense(128, activation='softmax')# softmax: si = e^i /(Σej)self.d2 = Dense(10, activation='softmax')def call(self, x):x = self.conv1(x)x = self.flatten(x)x = self.d1(x)return self.d2(x)model = MyModel()# 损失函数和优化器
# SparseCategoricalCrossentropy分类交叉熵函数
loss_obj = tf.keras.losses.SparseCategoricalCrossentropy()
# Adam随机梯度(SGD)下降与动量结合（Momentum）
optimizer = tf.keras.optimizers.Adam()# 设定损失函数和准确率的评估标准
# SparseTopKCategoricalAccuracy (稀疏多分类TopK准确率，要求y_true(label)为序号编码形式)
train_loss = tf.keras.metrics.Mean(name='train_loss')
train_accuracy = tf.keras.metrics.SparseCategoricalAccuracy(name='train_accuracy')test_loss = tf.keras.metrics.Mean(name='test_loss')
test_accuracy = tf.keras.metrics.SparseCategoricalAccuracy(name='test_accuracy')# 使用tf.GradientTape来训练模型
# @ ：装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能.
@tf.function
def train_step(images, labels):# 求解梯度with tf.GradientTape() as tape:# 得到预测结构，和进行损失值的计算pre = model(images)los = loss_obj(labels, pre)# gadient是对los中的variabs自动求梯度，返回结果gradients = tape.gradient(los, model.trainable_variables)# 自动更新模型参数optimizer.apply_gradients(zip(gradients, model.trainable_variables))train_loss(los)train_accuracy(labels, pre)# 测试模型
@tf.function
def test_step(images, labels):pred = model(images)t_loss = loss_obj(labels, pred)test_loss(t_loss)test_accuracy(labels, pred)if __name__ == "__main__":EPOCH = 50for epoch in range(EPOCH):train_loss.reset_states()train_accuracy.reset_states()test_loss.reset_states()test_accuracy.reset_states()for images, labels in train_ds:train_step(images, labels)for test_images, test_labels in test_ds:test_step(test_images, test_labels)template = 'Epoch:{} , loss:{}, Accuracy:{}%, Test Loss:{}, Test Accuracy:{}%'print(template.format(epoch+1, train_loss.result(), train_accuracy.result()*100, test_loss.result(), test_accuracy.result()*100))

第一个TensorFlow程序相关推荐

构建第一个tensorflow神经网络
朋友们,如需转载请标明出处:https://blog.csdn.net/jiangjunshow 本篇文章我会教大家构建第一个tensorflow程序. PS:因为本篇文章是我在人工智能教学中给我的二 ...
【转载】使用tf.py_func函数增加Tensorflow程序的灵活性
转自:https://blog.csdn.net/jiongnima/article/details/80555387 目录 tf.py_func函数接口 tf.py_func在Faster R-CN ...
一个资深程序猿对Python的总结
1.环境管理:管理 Python 版本和环境的工具. p – 非常简单的交互式 python 版本管理工具. pyenv – 简单的 Python 版本管理工具. Vex – 可以在虚拟环境中执行命令 ...
经验干货：使用tf.py_func函数增加Tensorflow程序的灵活性
不知不觉,笔者接触Tensorflow也满一年了.在这一年当中,笔者对Tensorflow的了解程度也逐渐加深.相比笔者接触的第一个深度学习框架Caffe而言,笔者认为Tensorflow更适合科研一 ...
第一个spring程序
第一个spring程序: 第一步:导入jar包. 新建maven项目: <dependency><groupId>org.springframework</groupId ...
快速搭建第一个Mybatis程序
一.简介 1.初识Mybatis 2.持久化 3.持久层 4.为什么需要Mybatis 二.第一个Mybatis程序 1.搭建环境 2.创建一个新模块 3.编写代码 4.Junit测试三.可能遇到的 ...
Linux上运行一个c程序
b站的视频链接:Linux虚拟机运行c程序_哔哩哔哩_bilibili希望对大家有所帮助,不对的地方还请多多指教!https://www.bilibili.com/video/BV18Q4y1r7st ...
Go：分布式学习利器（1） -- 开发环境搭建 + 运行第一个go程序
文章目录为什么要学习 go 开发环境搭建 -- MAC 运行第一个go程序 go 函数的返回值设置 go 函数的命令行参数为什么要学习 go 在如下几个应用场景的需求下产生了go: 超大规模分布式 ...
用java实现一个计算器程序_1.2第一个java程序——hello world
第一个java程序--hello world 实现一个java程序,主要有三个步骤:1.编写源代码,2.编译源代码,3.运行.java的源代码必须先编译,然后才能由JVM解析执行.所以我们程序员第一步 ...
C（第一个C程序）和 C++ （第一个C++程序）对比碰撞
个人博客首页(点击查看详情) -- https://blog.51cto.com/11495268 1.简介 C++ 是对 C 的继承.扩展,但从语言角度来说,这是两种变成语言,就一定存在不同,本文 ...

第一个TensorFlow程序

第一个TensorFlow程序相关推荐

最新文章

热门文章