TensorFlow 2 быстрый старт для начинающих

Это краткое введение использует Керас для:

    Постройте нейронную сеть, которая классифицирует изображения.
    Тренируйте эту нейронную сеть.
    И, наконец, оцените точность модели.

Это файл Google Colaboratory notebook. Программы на языке Python запускаются непосредственно в browsern'п'БЂ«отличный способ, чтобы учиться и использовать TensorFlow. Чтобы следовать этому руководству, запустите ноутбук в Google Colab, нажав кнопку в верхней части этой страницы.

    В Colab подключитесь к среде выполнения Python: в правом верхнем углу строки меню выберите пункт подключиться.
    Запустите все ячейки кода записной книжки: выберите среда выполнения > выполнить все.

Загрузите и установите пакет TensorFlow 2. TensorFlow импортировать в вашу программу:

Загрузите и подготовьте набор данных MNIST. Преобразование выборок из целых чисел в числа с плавающей запятой:

Постройте ТФ.Керас.Последовательная модель путем укладки слоев. Выберите оптимизатор и функцию потерь для обучения:

Тренируйте и оценивайте модель:

 Train on 60000 samples Epoch 1/5 60000/60000 [==============================] - 5s 89us/sample - loss: 0.2990 - accuracy: 0.9134 Epoch 2/5 60000/60000 [==============================] - 4s 66us/sample - loss: 0.1419 - accuracy: 0.9582 Epoch 3/5 60000/60000 [==============================] - 4s 66us/sample - loss: 0.1074 - accuracy: 0.9677 Epoch 4/5 60000/60000 [==============================] - 4s 67us/sample - loss: 0.0883 - accuracy: 0.9729 Epoch 5/5 60000/60000 [==============================] - 4s 67us/sample - loss: 0.0746 - accuracy: 0.9771 10000/1 - 1s - loss: 0.0392 - accuracy: 0.9781  [0.07525769539596514, 0.9781]

Классификатор изображений теперь обучен с точностью ~98% для этого набора данных. Чтобы узнать больше, прочитайте учебники TensorFlow.

Источник: www.tensorflow.org

Комментарии: