tensorflow2之fashion_minist测试

下面做的是一个多分类的经典例子，加载编号（0-9）的10种商品的fashion_minist数据集进行测试。

FashionMNIST 是一个替代 MNIST 手写数字集 的图像数据集。 它是由 Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自 10 种类别的共 7 万个不同商品的正面图片。 

https://github.com/zalandoresearch/fashion-mnist

创建 fashion_minist_tf.py

#encoding=utf-8
# 多分类问题

import pandas as pd
import matplotlib.pyplot as plt
# from matplotlib.font_manager import FontProperties
import tensorflow as tf


(train_image,train_label),(test_image,test_label) = tf.keras.datasets.fashion_mnist.load_data()

plt.imshow(train_image[0]) # 显示第一张图片
plt.show()

print(train_label[:10]) # [9 0 0 3 0 2 7 2 5 5]


train_image = train_image / 255 
test_image = test_image /255 

print(train_image.shape)  # (60000, 28, 28)

model = tf.keras.Sequential()
model.add(tf.keras.layers.Flatten(input_shape=(28,28)))
model.add(tf.keras.layers.Dense(units=128,activation='relu'))
model.add(tf.keras.layers.Dense(units=10, activation='softmax'))  # 多分类激活函数，将这10个类别变成概率输出

model.compile(optimizer='adam',
             #   loss='categorical_crossentropy'
                loss='sparse_categorical_crossentropy',  # 使用了数字编码类别用
                metrics=['acc'])

model.fit(train_image,train_label,epochs=5)

print(model.evaluate(test_image,test_label))  #

print(model.predict(train_image[:1])) # 对第一张图片进行测试
# [[0.00200258 0.00096263 0.00356959 0.01052908 0.0028083  0.1917256 0.01329381 0.39358088 0.05934311 0.32218438]]

调试结果：

第一张训练图片