用TensorFlow的keras 进行机器学习

如今机器学习库非常多,比较流行的有谷歌的TensorFlow 和 keras插件 ,https://keras.io/  他是Python的深度学习库,Keras是用Python编写的高级神经网络API,能够在TensorFlowCNTK(是微软出品的开源深度学习工具包)或Theano(theano 学术化。如果是使用机器学习进行学术性研究,网上已经有很多使用 theano 的学术性资料 http://deeplearning.net/software/theano/)之上运行。它的开发着重于实现快速实验。能够以最小的延迟将想法付诸实践是进行良好研究的关键。Keras兼容于:Python 2.7-3.6

关于Keras的特性有:

  • 允许轻松快速地进行原型制作(通过用户友好性,模块化和可扩展性)。
  • 支持卷积网络和循环网络,以及两者的组合。
  • 在CPU和GPU上无缝运行。

TensorFlow导入keras.输出当前版本:

使用Fashion MNIST数据集,其中包含10个类别的70000个灰度图像。如图所示,这些图片显示的是每件衣服的低分辨率(28×28像素)

Fashion MNIST的目标是作为经典MNIST数据的替换——通常被用作计算机视觉机器学习程序的“Hello, World”。MNIST数据集包含手写数字(0,1,2等)的图像,

我们将使用60,000张图像来训练网络和10,000张图像来评估网络模型学习图像分类任务的准确程度。您可以直接从TensorFlow使用Fashion MNIST,只需导入并加载数据

我们完成了数据预处理工作,对训练的基础数据进行测试

对样本进行建模,预测后的数据:

分类正确率还是非常高的