Day 27: Tensorflow分类 分类图像衣物(二)

Tensorflow 衣物图像分类(二)

辅助阅读: Basic classification: Classify images of clothing

建立模组

建造神经网路模组需要配置模组的各层面(layers)，并编译模组。

神经网路建构中最基本的建构方法便是层层堆叠，图层从输入到其中的资料中提取特徵，并希望这些特徵对於问题是有意义的。

大多数深度学习皆由将简易的图层一层层连接在一起所组成，大多数图层像是Dense具有在训练时要使用的参数。

Flatten，在网路中第一层的图层，将图片的形式从二维阵列(28x28 pixels)转换成一维阵列(28x28 = 784 pixels)。可以将这层图层看作是堆叠图层中的「像素行」(unstacking rows)并将他们排成一行。这层图层没有参数需要学习，只是将资料重新建构。

在图片的像素被摊平後，网路由两个Dense序列所组成。这些序列紧密相连，又或者说是完成连接的神经图层，第一图层Dense有一百二十八个节点，第二图层(目前最後一层)有回传长度为十的logits阵列。每个节点含有表示目前图片属於十个分类中的某一分类的分数

编译模组

在模组准备好能够训练前，还需要几个设置。这些设定在模组正在编译时加入。
Loss function 损失函数 这个可以衡量模型在训练过程中的准确性，希望能够最小化此功能以在正确的方向上引导此模组
Optimizer 优化器 这个是建立在模组看到的数据和损失函数来更新模组的方法。
矩阵 – 用於监视与训练与测试步骤。下面的例子用准确性，正确分类的图像比例。

下篇接续~