人工智能实践——第六周作业【使用fashion_mnist数据集并进行图像化和优化】.pdfVIP

人工智能实践——第六周作业【使用fashion_mnist数据集并进行图像化和优化】--第1页 ⼈⼯智能实践——第六周作业【使⽤fashion_mnist数据集并进⾏图像化和优 化】 课后练习： 题⽬⼀：改为fashion_mnist数据集 数据集 题⽬⼆：显⽰y_train[0] ( ⽂本) 和 和 x_train[0] ( ⽂本和图⽚) 题⽬三：改变⽹络层数和各层神经元数： 1 层512 个、4 层每层递减512/256/128/10 题⽬四：增加loss/acc可视化 可视化 题⽬五：更改层数和神经元数、优化器等，提升 准确率 fashion_mnist数据集 fashion_mnist是keras⾃带的数据集合，主要⽬的是为了替代现在的热门数据集 mnist。 #导⼊数据集，包含70000张灰度图像，10个类别 fashion_mnist = keras.datasets.fashion_mnist #60000张⽤于训练，10000张⽤于测试 (train_images,train_labels),(test_images,test_labels) = fashion_mnist.load_data() #类别标签 class_names = [‘T- shirt/top’,‘Trouser’,‘Pullover’,‘Dress’,‘Coat’,‘Sandal’,‘Shirt’,‘Sneaker’,‘Bag’,‘Ankle boot’] Matplotlib： ⼀个基本的绘图程序： 第⼀步：设定x,y的关系 x = np.arange(1,11) y = 2 * x + 5 第⼆步：图名，横纵轴名绘制 plt.title(“Matplotlib demo”) plt.xlabel(“x axis caption”) plt.ylabel(“y axis caption”) plt.legend(“functionA”) 第三部：绘制 plt.plot(x,y) plt.show() 进阶： 1： 绘制不同形状的图形 plt.plot(x,y,“ob”) #绘制蓝⾊点图　　o’点图，‘b’蓝⾊ 2：同⼀个图中绘制多个图 #建⽴ subplot ⽹格，⾼为 2，宽为 1 #激活第⼀个 subplot plt.subplot(2, 1, 1) 人工智能实践——第六周作业【使用fashion_mnist数据集并进行图像化和优化】--第1页 人工智能实践——第六周作业【使用fashion_mnist数据集并进行图像化和优化】--第2页 实例: import numpy as np import matplotlib.pyplot as plt #计算正弦和余弦曲线上的点的 x 和 y 坐标 x = np.arange(0, 3 * np.pi, 0.1) y_sin = np.sin(x) y_cos = np.cos(x) #建⽴ subplot ⽹格，⾼为 2，宽为 1 #激活第⼀个 subplot并且绘制第⼀个图像 plt.subplot(2, 1, 1) plt.plot(x, y_sin) plt.title(‘Sine’) #将第⼆个 subplot 激活，并绘制第⼆个图像 plt.subplot(2, 1, 2) plt.plot(x, y_cos) plt.title(‘Cosine’) #展⽰图像 plt.show() 3：展⽰⼆维图像 plt.imshow(train_images[0]) 4：绘制特殊图像 绘制⽅形图： plt.bar 绘制散点图： plt.scatter 5：将图像数组转化为图像输出 plt.imshow(train_images[0]) 由model.fit的返回值histtory history=model.fit(train_images,train_labels,epochs=10,validation_data=(test_images,test_labels),validation_freq=1) print(history.history) History类对象包含两个属性，分别为epoch和history，epoch为训练轮数。 history为字典类型， 对于 pile(metrics=[‘accuracy’])时，包含val_loss,val_acc,loss,acc四个key值。 对于pile(met