机器学习 TensorFlow2.0 官方入门程序解说

本文介绍机器学习 TensorFlow2.0 官方入门程序。我觉得这个入门程序不容易看懂，所以做一个解说。其实更简单易懂的入门程序是我的机器学习 tensorflow 2 的hello world

机器学习 TensorFlow2.0 官方入门程序在 https://tensorflow.google.cn/overview/ ，有个中文翻译解释了的在 TensorFlow 2.0 极简教程，不到 20 行代码带你入门

下面我就把这个很短的代码列出了，其中也包含了我的注释。应该可以基本看懂，主要是数据库获取的准备数据，不清楚。后面我将解剖这些数据，现在就把大程序看懂吧。

import tensorflow as tf
mnist = tf.keras.datasets.mnist
#从数据库获取，培训数据，测试数据，并归1 化处理
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
#建立模型 设置网络层
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')
])
# 编译模型 优化器 损失函数 指标
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
# 进行5次培训，然后做测试
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

1：程序包含tensorflow程序包，然后导入数据库给你准备的数据，包含培训数据： x_train, y_train ，以及测试数据。

2：归1化处理，就是输入数据范围在0,1之间。

3：建立模型，设置网络层

4：编译模型，提供了优化器损失函数指标

5：导入数据，进行5次培训

6：用测试数据，进行测试，查看精度情况。、

程序运行结果是：

我们看到培训样本是60000个，然后5次培训过程，精度是97.63%

测试数据的结果也差不多，97.57%

程序简短，也容易理解。但对她的培训，测试数据是什么，一点也不清楚。

下面我们就剖析她的数据内容。

我把模型和培训代码，注释掉，其实也可以保留，只是比较慢一点，最后代码如下：

import tensorflow as tf
mnist = tf.keras.datasets.mnist
#从数据库获取，培训数据，测试数据，并归1 化处理
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
#建立模型 设置网络层
"""
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')
])
# 编译模型 优化器 损失函数 指标
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
# 进行5次培训，然后做测试
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)
"""
#显示数据结构
print(x_train.shape)
print(y_train.shape)
print(x_test.shape)
print(y_test.shape)
#显示结果数据内容
print(y_train)
print(y_test)


import matplotlib.pyplot as plt


# 这段代码就是显示x_train[0]单元的内容，图示化显示，你可以改0为0-59999之间的数据
#  对程序没影响，和上面的print 差不多
plt.figure()
plt.imshow(x_train[0])
plt.colorbar()
plt.grid(False)
plt.show()

# 这段代码也是显示数据内容的作用
# 显示5行5列 训练数据的内容x_train[i]，标签的内容y_train[i]
plt.figure(figsize=(10,10))
# 25 个数据组
for i in range(25):
    #图是5行5列
    plt.subplot(5,5,i+1)    
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(x_train[i], cmap=plt.cm.binary)
    plt.xlabel(y_train[i])
plt.show()

代码里包含了import matplotlib.pyplot as plt

matplotlib是个画图程序，也不必了解太多，想细看可网上查。

我们看到x_train 是60000个样本，（每个样本28X28个数据）, y_train 60000样本（每个样本只有一个数据）

x_test和 y_test 是10000个测试样本。

y_train, y_test 是0-9之间的数字。

再抽取1个 x_train 我们看到数据是0-255 间的数据，/255 就归1化了。

抽取25 个x_train 看图，原来是0-9 的草体，或手写体，下面有0-9的标签（y_train)。

我们训练的内容是手写体的0-9 数字图片，判断是哪个数字。