mirror of
https://github.com/Estom/notes.git
synced 2026-04-05 11:57:37 +08:00
69 lines
2.9 KiB
Markdown
69 lines
2.9 KiB
Markdown
# 初学者的 TensorFlow 2.0 教程
|
|
|
|
> 原文：[https://tensorflow.google.cn/tutorials/quickstart/beginner](https://tensorflow.google.cn/tutorials/quickstart/beginner)
|
|
|
|
**Note:** 我们的 TensorFlow 社区翻译了这些文档。因为社区翻译是尽力而为， 所以无法保证它们是最准确的，并且反映了最新的 [官方英文文档](https://tensorflow.google.cn/?hl=en)。如果您有改进此翻译的建议， 请提交 pull request 到 [tensorflow/docs](https://github.com/tensorflow/docs) GitHub 仓库。要志愿地撰写或者审核译文，请加入 [docs-zh-cn@tensorflow.org Google Group](https://groups.google.com/a/tensorflow.org/forum/#!forum/docs-zh-cn)。
|
|
|
|
这是一个 [Google Colaboratory](https://colab.research.google.com/notebooks/welcome.ipynb) 笔记本文件。 Python 程序可以直接在浏览器中运行，这是学习 Tensorflow 的绝佳方式。想要学习该教程，请点击此页面顶部的按钮，在 Google Colab 中运行笔记本。
|
|
|
|
1. 在 Colab 中, 连接到 Python 运行环境： 在菜单条的右上方, 选择 *CONNECT*。
|
|
2. 运行所有的代码块: 选择 *Runtime* > *Run all*。
|
|
|
|
下载并安装 TensorFlow 2.0 测试版包。将 TensorFlow 载入你的程序：
|
|
|
|
```py
|
|
# 安装 TensorFlow
|
|
|
|
import tensorflow as tf
|
|
```
|
|
|
|
载入并准备好 [MNIST 数据集](http://yann.lecun.com/exdb/mnist/)。将样本从整数转换为浮点数：
|
|
|
|
```py
|
|
mnist = tf.keras.datasets.mnist
|
|
|
|
(x_train, y_train), (x_test, y_test) = mnist.load_data()
|
|
x_train, x_test = x_train / 255.0, x_test / 255.0
|
|
```
|
|
|
|
将模型的各层堆叠起来，以搭建 [`tf.keras.Sequential`](https://tensorflow.google.cn/api_docs/python/tf/keras/Sequential) 模型。为训练选择优化器和损失函数：
|
|
|
|
```py
|
|
model = tf.keras.models.Sequential([
|
|
tf.keras.layers.Flatten(input_shape=(28, 28)),
|
|
tf.keras.layers.Dense(128, activation='relu'),
|
|
tf.keras.layers.Dropout(0.2),
|
|
tf.keras.layers.Dense(10, activation='softmax')
|
|
])
|
|
|
|
model.compile(optimizer='adam',
|
|
loss='sparse_categorical_crossentropy',
|
|
metrics=['accuracy'])
|
|
```
|
|
|
|
训练并验证模型：
|
|
|
|
```py
|
|
model.fit(x_train, y_train, epochs=5)
|
|
|
|
model.evaluate(x_test, y_test, verbose=2)
|
|
```
|
|
|
|
```py
|
|
Epoch 1/5
|
|
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2962 - accuracy: 0.9155
|
|
Epoch 2/5
|
|
1875/1875 [==============================] - 3s 2ms/step - loss: 0.1420 - accuracy: 0.9581
|
|
Epoch 3/5
|
|
1875/1875 [==============================] - 3s 2ms/step - loss: 0.1064 - accuracy: 0.9672
|
|
Epoch 4/5
|
|
1875/1875 [==============================] - 3s 2ms/step - loss: 0.0885 - accuracy: 0.9730
|
|
Epoch 5/5
|
|
1875/1875 [==============================] - 3s 2ms/step - loss: 0.0749 - accuracy: 0.9765
|
|
313/313 - 0s - loss: 0.0748 - accuracy: 0.9778
|
|
|
|
[0.07484959065914154, 0.9778000116348267]
|
|
|
|
```
|
|
|
|
现在，这个照片分类器的准确度已经达到 98%。想要了解更多，请阅读 [TensorFlow 教程](https://tensorflow.google.cn/tutorials/)。 |