tensorflow

时间:2019-08-25 16:53:37 阅读:75次
tensorflow

1.tensorflow 安装

pip install tensorflow 

pip uninstall numpy

pip install numpy==1.16


2. 若numpy无法下载则:

https://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted

numpy-1.16.4+mkl-cp37-cp37m-win_amd64.whl

pip install numpy-1.16.4+mkl-cp37-cp37m-win_amd64.whl

pip install numpy==1.16







from __future__ import absolute_import, division, print_function, unicode_literals

# 导入TensorFlow和tf.keras
import tensorflow as tf
from tensorflow import keras

# 导入辅助库
import numpy as np
import matplotlib.pyplot as plt
import os

os.environ["TF_CPP_MIN_LOG_LEVEL"]='3' # 只显示 Error

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

#keras.backend.clear_session()
#设置网络层
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
#通过调用model.fit方法来训练模型 — 模型对训练数据进行"拟合"。
#model.fit(train_images, train_labels, epochs=5)

# 评估准确率
# test_loss, test_acc = model.evaluate(test_images, test_labels)
# print('Test accuracy:', test_acc)

# 进行预测
predictions = model.predict(test_images)
print(predictions[0])
print(np.argmax(predictions[0]))


'''
plt.figure()
plt.imshow(train_images[0])
plt.colorbar()
plt.grid(False)
plt.show()
'''

'''
train_images = train_images / 255.0
test_images = test_images / 255.0
plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    plt.xlabel(class_names[train_labels[i]])
plt.show()
'''


扫描二维码关注程序员爱笔记,接收更多资讯

评论

快速评论