本指南训练了一个神经网络模型，以对运动鞋和衬衫等服装图像进行分类。你可以不了解所有的细节，这是一个完整的TensorFlow程序的快速概述，详细内容会在你开始的时候解释。

本指南使用tf.keras，一个高级API来中构建和训练TensorFlow模型。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

from __future__ import absolute_import, division, print_function, unicode_literals

# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras

# Helper libraries
import numpy as np
import matplotlib.pyplot as plt

print(tf.__version__)

2.0.0

导入Fashion MNIST数据集

本指南使用Fashion MNIST数据集，其中包含10个类别的70,000个灰度图像。这些图像以低分辨率（28*28像素）显示衣服的各个物品，如下所示：

Fashion MNIST旨在替代经典MNIST数据集，该数据集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，其格式与你将在此处使用的衣服的格式相同。

本指南将Fashion MNIST用于多种用途，因此它比常规MNIST更具挑战性。两个数据集都相对较小，用于验证算法是否按预期工作。它们是测试和调试代码的良好起点。

这里，使用60,000张图像来训练网络，使用10,000张图像来评估网络学习对图像进行分类的准确程度。你可以直接从TensorFlow访问Fashion MNIST。直接从TensorFlow导入和加载Fashion MNIST数据：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/train-labels-idx1-ubyte.gz
32768/29515 [=================================] - 0s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/train-images-idx3-ubyte.gz
26427392/26421880 [==============================] - 0s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/t10k-labels-idx1-ubyte.gz
8192/5148 [===============================================] - 0s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/t10k-images-idx3-ubyte.gz
4423680/4422102 [==============================] - 0s 0us/step

加载数据集将返回四个NumPy数组：

  • train_images和train_labels数组是模型用来学习的数据训练集。
  • 针对测试集test_images和test_labels数组对模型进行测试。

图像是28*28 NumPy数组，像素值从0到255不等。标签是一个整数数组，范围从0到9。这些对应于图像所代表的衣服类别：

标签 类
0 T-shirt/top
1 Trouser
2 Pullover
3 Dress
4 Coat
5 Sandal
6 Shirt
7 Sneaker
8 Bag
9 Ankle boot

每个图像都对应一个标签。由于类名不包含在数据集中，因此将它们存储在此处，以便后面在绘制图像时使用：

1
2

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

研究数据

在训练模型之前，让我们先研究一下数据集的格式。下面显示训练集中有60,000张图像，每张图像表示为28*28像素：

1
2

train_images.shape
(60000, 28, 28)

同样，训练集中有60,000个标签：

1
2

len(train_labels)
60000

每个标签都是0到9之间的整数：

1
2

train_labels
array([9, 0, 0, ..., 3, 0, 5], dtype=uint8)

测试集中有10,000张图像。同样，每个图像都表示为28*28像素：

1
2

test_images.shape
(10000, 28, 28)

测试集包含10,000个图像标签：

1
2

len(test_labels)
10000

预处理数据

在训练网络之前，必须对数据进行预处理。如果你检查训练集中的第一张图像，将会看到像素值在0到255范围内：

1
2
3
4
5

plt.figure()
plt.imshow(train_images[0])
plt.colorbar()
plt.grid(False)
plt.show()

在将这些值输入神经网络模型之前，将它们缩放到0到1的范围。为此，将这些值除以255。以相同的方式预处理训练集和测试集是非常重要：

1
2

train_images = train_images / 255.0
test_images = test_images / 255.0

为了验证数据的格式是否正确，以及是否准备好构建和训练网络，让我们显示训练集中的前25张图像，并在每个图像下方显示类名称。

1
2
3
4
5
6
7
8
9

plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    plt.xlabel(class_names[train_labels[i]])
plt.show()

建立模型

建立神经网络需要配置模型的各层，然后编译模型。

设置图层

神经网络的基本构建模块是层。层从输入到它们的数据中提取特征。希望这些特征对于当前的问题有意义。

深度学习的大部分内容是将简单的层链接在一起。大多数层（例如tf.keras.layers.Dense）都有在训练期间学习的参数。

1
2
3
4
5

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])

网络的第一层tf.keras.layers.Flatten将图像的格式从二维数组（2828像素）转换为一维数组（2828=784像素）。可以将这一层看作是图像中的一行行像素并将它们排列起来。该层没有要学习的参数，它只是重新格式化数据。

像素展平后，网络由两个tf.keras.layers.Dense层组成。这些是紧密连接或完全连接的神经层。第一个密集层有128个节点（或神经元）。第二层（也是最后一层）是有10个节点的softmax层，该层返回一个含有10个概率值的数组，其总和为1。每个节点都包含一个分数，该分数表示当前图像属于哪个类别的概率。

编译模型

在模型准备训练好之前，还需要进行一些设置。这些是在模型的编译步骤中添加的：

  • 损失函数：衡量训练期间模型的准确性。你希望最小化此函数，以便将模型“引导”到正确的方向上。
  • 优化器：这是基于模型看到的数据及其损失函数来更新模型的方式。
  • 指标：用于监控训练和测试步骤。下面的例子使用准确性，即正确分类的图像比例。
1
2
3

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

训练模型

训练神经网络模型需要执行以下步骤：

  1. 将训练数据输入模型。在本例中，训练数据为train_images和train_labels数组。
  2. 与模型学习关联的图像和标签。
  3. 要求模型对测试集（在本例中为test_images数组）做出预测。验证预测是否与test_labels数组中的标签匹配。

调用model.fit方法开始训练，之所以这么称呼是因为该方法使模型“适合”训练数据：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

model.fit(train_images, train_labels, epochs=10)

Train on 60000 samples
Epoch 1/10
60000/60000 [==============================] - 5s 85us/sample - loss: 0.4978 - accuracy: 0.8245
Epoch 2/10
60000/60000 [==============================] - 4s 69us/sample - loss: 0.3798 - accuracy: 0.8624
Epoch 3/10
60000/60000 [==============================] - 4s 62us/sample - loss: 0.3411 - accuracy: 0.8762
Epoch 4/10
60000/60000 [==============================] - 4s 61us/sample - loss: 0.3164 - accuracy: 0.8838
Epoch 5/10
60000/60000 [==============================] - 4s 61us/sample - loss: 0.2956 - accuracy: 0.8902
Epoch 6/10
60000/60000 [==============================] - 4s 64us/sample - loss: 0.2815 - accuracy: 0.8955
Epoch 7/10
60000/60000 [==============================] - 4s 65us/sample - loss: 0.2691 - accuracy: 0.9009
Epoch 8/10
60000/60000 [==============================] - 4s 62us/sample - loss: 0.2579 - accuracy: 0.9029
Epoch 9/10
60000/60000 [==============================] - 4s 63us/sample - loss: 0.2485 - accuracy: 0.9062
Epoch 10/10
60000/60000 [==============================] - 4s 60us/sample - loss: 0.2388 - accuracy: 0.9100

<tensorflow.python.keras.callbacks.History at 0x7fefe642a860>

模型训练时，会显示损失和准确度指标。该模型在训练数据上达到0.88（或88%）的准确度。

评估准确性

接下来，比较下模型在测试数据集上的表现：

1
2
3
4
5

test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)
print('\nTest accuracy:', test_acc)

10000/1 - 1s - loss: 0.2934 - accuracy: 0.8830
Test accuracy: 0.883

结果表明，测试数据集的准确性略低于训练数据集的准确性。训练准确性和测试准确性之间的差距代表过拟合。过拟合是指机器学习模型在新的、看不见的输入上的表现比训练数据上的表现差的情况。

作出预测

通过训练模型，你可以使用它来预测某些图像。

1

predictions = model.predict(test_images)

这里，模型已经预测了测试集中每个图像的标签。让我们看一下第一个：

1
2
3
4
5

predictions[0]

array([1.06123218e-06, 8.76374884e-09, 4.13958730e-07, 9.93547733e-09,
       2.39135318e-07, 2.61428091e-03, 2.91701099e-07, 6.94991834e-03,
       1.02351805e-07, 9.90433693e-01], dtype=float32)

预测是由10个数字组成的数组。它们代表模型对应于10种不同服装中的每一种的“把握”。你可以看到哪个标签的置信度最高：

1
2

np.argmax(predictions[0])
9

因此，模型最有把握的图像是ankle boot或class_names[9]。检查测试标签表明此分类是正确的：

1
2

test_labels[0]
9

以图形方式查看完整的10个类的预测。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

def plot_image(i, predictions_array, true_label, img):
  predictions_array, true_label, img = predictions_array, true_label[i], img[i]
  plt.grid(False)
  plt.xticks([])
  plt.yticks([])

  plt.imshow(img, cmap=plt.cm.binary)

  predicted_label = np.argmax(predictions_array)
  if predicted_label == true_label:
    color = 'blue'
  else:
    color = 'red'

  plt.xlabel("{} {:2.0f}% ({})".format(class_names[predicted_label],
                                100*np.max(predictions_array),
                                class_names[true_label]),
                                color=color)

def plot_value_array(i, predictions_array, true_label):
  predictions_array, true_label = predictions_array, true_label[i]
  plt.grid(False)
  plt.xticks(range(10))
  plt.yticks([])
  thisplot = plt.bar(range(10), predictions_array, color="#777777")
  plt.ylim([0, 1])
  predicted_label = np.argmax(predictions_array)

  thisplot[predicted_label].set_color('red')
  thisplot[true_label].set_color('blue')

让我们看一下第0张图片的预测和预测数组。正确的预测标签为蓝色，错误的预测标签为红色。数字给出了预测标签的百分比。

1
2
3
4
5
6
7

i = 0
plt.figure(figsize=(6,3))
plt.subplot(1,2,1)
plot_image(i, predictions[i], test_labels, test_images)
plt.subplot(1,2,2)
plot_value_array(i, predictions[i],  test_labels)
plt.show()


1
2
3
4
5
6
7

i = 12
plt.figure(figsize=(6,3))
plt.subplot(1,2,1)
plot_image(i, predictions[i], test_labels, test_images)
plt.subplot(1,2,2)
plot_value_array(i, predictions[i],  test_labels)
plt.show()

让我们用它们的预测来绘制几个图像。请注意，即使非常有把握，该模型也可能是错误的。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

# Plot the first X test images, their predicted labels, and the true labels.
# Color correct predictions in blue and incorrect predictions in red.
num_rows = 5
num_cols = 3
num_images = num_rows*num_cols
plt.figure(figsize=(2*2*num_cols, 2*num_rows))
for i in range(num_images):
  plt.subplot(num_rows, 2*num_cols, 2*i+1)
  plot_image(i, predictions[i], test_labels, test_images)
  plt.subplot(num_rows, 2*num_cols, 2*i+2)
  plot_value_array(i, predictions[i], test_labels)
plt.tight_layout()
plt.show()

最后，使用经过训练的模型对单个图像进行预测。

1
2
3
4
5

# Grab an image from the test dataset.
img = test_images[1]
print(img.shape)

(28, 28)

tf.keras对模型进行了优化，可以同时对一批或一组示例进行预测。因此，即使你使用的是单个图像，也需要将其添加到列表中：

1
2
3
4
5

# Add the image to a batch where it's the only member.
img = (np.expand_dims(img,0))
print(img.shape)

(1, 28, 28)

现在，为该图像预测正确的标签：

1
2
3
4
5
6
7
8

predictions_single = model.predict(img)
print(predictions_single)

[[1.4175281e-04 8.5218921e-14 9.9798274e-01 1.7262291e-11 1.3707496e-03
  1.4081123e-14 5.0472573e-04 6.2876434e-17 3.6248435e-09 1.8519042e-13]]]

plot_value_array(1, predictions_single[0], test_labels)
_ = plt.xticks(range(10), class_names, rotation=45)

model.predict返回一系列的列表，每一个列对应于批量数据中的每个图像。在批量数据中获取我们（唯一）图像的预测：

1
2

np.argmax(predictions_single[0])
2

模型按预期预测了一个标签。