Tensorflow2.0基础-笔记- softmax多分类任务

import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

#输入训练数据集和测试数据集
(train_image,train_label),(test_image,test_label)=tf.keras.datasets.fashion_mnist.load_data()

train_image.shape            #查看训练图像数据集的形状
plt.imshow(train_image[0])   #使用matplotlib.pyplot显示训练数据集中第一张图片

train_label_onehot=tf.keras.utils.to_categorical(train_label)#将训练数据标签变成one-hot类型
test_label_onehot=tf.keras.utils.to_categorical(test_label)  #将测试数据标签变成one-hot类型

train_image=train_image/255  #图片归一化，将图片数据从[0,255]转换成[0,1]
test_image=test_image/255 

model=tf.keras.Sequential()
 #将输入的28*28的图片矩阵打平，变成1*784
model.add(tf.keras.layers.Flatten(input_shape=(28,28)))
model.add(tf.keras.layers.Dense(128,activation='relu'))
#添加Droput层，神经元丢弃比例为0.5
model.add(tf.keras.layers.Dropout(0.5))
model.add(tf.keras.layers.Dense(128,activation='relu'))
model.add(tf.keras.layers.Dropout(0.5))
#输出为10分类，激活函数使用softmax
model.add(tf.keras.layers.Dense(10,activation='softmax'))
model.summary()

#不使用one-hot类型标签时的loss选用sparse_categorical_crossentropy
# model.compile(optimizer='adam',
#               loss='sparse_categorical_crossentropy',
#               metrics=['acc'])

model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['acc'])#使用one_hot编码的损失函数

history=model.fit(train_image,
              train_label_onehot,
              epochs=5,
              validation_data=(test_image,test_label_onehot))

model.evaluate(test_image,test_label_onehot)  #评估测试数据的loss和acc
predict=model.predict(test_image)             #对所用测试数据进行预测结果
np.argmax(predict[0])                         #因为输出的是one-hot形状，标签应为向量中最大值
np.argmax(test_label_onehot[0])               #输出原始数据标签


#绘制loss和acc的变化图
plt.plot(history.epoch,history.history.get('loss'),label='loss')
plt.plot(history.epoch,history.history.get('val_loss'),label='val_loss')
plt.legend()

plt.plot(history.epoch,history.history.get('acc'),label='acc')
plt.plot(history.epoch,history.history.get('val_acc'),label='val_acc')
plt.legend()

数据集：tf.keras.datasets.fashion_mnist

tensorflow自带的数据集，fashion_mnist，图片是10类物品，鞋子包包什么的。用于做10个分类任务。首次运行代码自动下载数据集。