[Python] 来自己建立一个Neural Network吧

前几天大概说明了ＮＮ的概念，今天就用python来实现一下～我主要是使用Colab来执行，因为在Colab上安装Tensorflow& Keras很间单，还有Colab有提供免费GPU（我记得使用的时间是12个小时左右）！今天的dataset是一个keras内建资料库-fashion_mnist，里面有很多不同服饰的灰度图(28x28)，我们来训练一个模型判断照片内容物是什麽。

Tensorflow& Keras的关系可以想成主程序与介面，keras是让Tensorflow写起来更容易的使用方式

import tensorflow as tf
from tensorflow import keras
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

fashion_mnist = keras.datasets.fashion_mnist
(X_train, y_train), (X_test, y_test) = fashion_mnist.load_data()
X_train = X_train / 255.0 #为了显示图像对资料进行预处理
X_test = X_test / 255.0 #为了显示图像对资料进行预处理
class_names = ["T-shirt/top", "Trouser", "Pullover", "Dress", "Coat", "Sandal", "Shirt", "Sneaker", "Bag", "Ankle boot"]

• 灰度图的范围为0-255，0是黑色，255是白色

开始建模型，主要可以自己决定要几层layer，每一层node要多少个，non-linear要使用哪一种，有点像在叠乐高一样，但记得因为是多分类问题，所以最後要加一层softmax，然後架构就大致建好了，最後的组装是要决定整个架构要用哪一种loss function以及要用哪种metrics来衡量，我们这边loss function使用分类问题常见的crossentropy，metrics就是accuracy。

model = keras.models.Sequential()
model.add(keras.layers.Flatten(input_shape=[28, 28]))
model.add(keras.layers.Dense(300, activation="relu"))
model.add(keras.layers.Dense(100, activation="relu"))
model.add(keras.layers.Dense(100, activation="relu"))
model.add(keras.layers.Dense(50, activation="relu"))
model.add(keras.layers.Dense(10, activation="softmax"))
print(model.summary())

model.compile(loss="sparse_categorical_crossentropy", optimizer="Adam", metrics=["accuracy"])

训练模型～

history = model.fit(X_train, y_train, epochs=20, validation_split=0.1)

来看一下模型结果

pd.DataFrame(history.history).plot(figsize=(8, 5))

fit test

model.evaluate(X_test, y_test)

随机找个图片预测一下：

import random
img = X_test[random.randint(0,9999),:,:]
plt.imshow(img)

X_new = np.expand_dims(img, axis=0)
model.predict(X_new).round(2)

y_pred = model.predict_classes(X_new)
class_names[int(y_pred)]

[reference]
https://www.tensorflow.org/datasets/catalog/fashion_mnist
https://blog.csdn.net/sdlyjzh/article/details/8245145
https://www.tensorflow.org/api_docs/python/tf/keras/Model