昨天在建立环境的时候发现有很多相容性的问题,因此今天我想说这几天先来学习一下tensorflow跟keras,顺便把环境建立好
在vscode中创建一个档案,并且将档案副档名设定为.ipynb,会看到这个画面
在.ipynb档案中,加上!就可以使用bash指令,打上
!python3 -m pip install -U tensorflow
在另一个cell打上
import tensorflow as tf
from tensorflow import keras
print("tensorflow version: ", tf.__version__)
print("keras version: ", keras.__version__)
可以印出tensorflow跟keras的版本
Keras有一个工具可以用来抓取和载入常见的资料集,包括MNIST、Fashion MNIST等等。那这边我们来载入Fashion MNIST
fashion_mnist = keras.datasets.fashion_mnist
(X_train_full, y_train_full), (X_test, y_test) = fashion_mnist.load_data()
X_train_full是训练资料,y_train_full是target,X_test是测试资料,y_test是测试资料的target
我们来看一下训练资料的外型和资料型态
print(X_train_full.shape)
print(X_train_full.dtype)
资料已经拆成训练集和测试集了,但是还没有验证集,因此我们需要做一个
另外由於要使用梯度下降来训练神经网路,因此我们要将像素的值除以255.0,来将他们调整到0-1的范围
X_valid, X_train = X_train_full[:5000] / 255.0, X_train_full[5000:] / 255.0
y_valid, y_train = y_train_full[:5000], y_train_full[5000:]
在MNIST中,如果标签是5,手写数字就是5。但是在Fashion MNIST中,我们要使用类别名称串列来掌握目前正在处理什麽
class_names = ["T-shirt/top", "Trouser", "Pullover", "Dress", "Coat", "Sandal", "Shirt", "Sneaker", "Bag", "Ankle boot"]
class_names[y_train[0]]
例如,训练组的第一张图片就代表coat
>>: 冒险村01 - Begin from linter(1)
利用 XMLHttpRequest 原理 可用 Node.js 後端进行请求 语法简短 直觉化 r...
本系列文章同步发布於笔者网站 我们在前几篇文章介绍了 NIST 对云端的定义,从今天开始文章将会进入...
很多事情不用说破 放在心里知道就好 有时候给别人留个台阶下 没什麽不好的 之前曾遇过一位夥伴 总会...
当年不懂事,看网路的教学就乱作一通,看看这可怕的凭证数量 以下解释关键的凭证申请与用途 01 登入 ...
前述 接续昨天做的『文字换行』,今天利用上一篇的操作来做一个应用, 这次的应用灵感是从这个网站来的,...