如何使用 TensorFlow 库进行深度学习?

如何使用 TensorFlow 库进行深度学习?

步骤:

  1. 导入 TensorFlow 库
  2. 加载数据
  3. 创建模型
  4. 训练模型
  5. 评估模型
  6. 保存模型

代码示例:

import tensorflow as tf

# 导入 TensorFlow 库
tf.keras.datasets.mnist.load_data()

# 加载数据
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

# 创建模型
model = tf.keras.models.Sequential([
  tf.keras.layers.InputLayer(input_shape=(28, 28, 1)),
  tf.keras.layers.Conv2D(32, (3, 3), activation='relu'),
  tf.keras.layers.MaxPooling2D((2, 2)),
  tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),
  tf.keras.layers.MaxPooling2D((2, 2)),
  tf.keras.layers.Conv2D(128, (3, 3), activation='relu'),
  tf.keras.layers.MaxPooling2D((2, 2)),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dense(10, activation='softmax')
])

# 训练模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)

# 评估模型
loss, accuracy = model.evaluate(x_test, y_test)
print(f'Loss: {loss}, Accuracy: {accuracy}')

# 保存模型
model.save('mnist_model.h5')

注意:

  • tf.keras.datasets.mnist 是一个包含手写数字数据的数据集。
  • model.compile() 设置了训练参数,例如优化器、损失函数和评估指标。
  • model.fit() 训练模型,并使用 model.evaluate() 评估模型的性能。
  • model.save() 保存训练好的模型。
相似内容
更多>