TensorFlow2入门之jupyter操作教程

1307 08-14

在使用代码森林的TensorFlow的jupyter进行上机实训操作的时候，我们先了解下tensor flow是什么？

TensorFlow 是一个端到端开源机器学习平台，TensorFlow 的高阶 API 基于 Keras API 标准，用于定义和训练神经网络。Keras 通过用户友好的 API 实现快速原型设计、先进技术研究和生产。

官网的入门教程地址：https://tensorflow.google.cn/install

系统支持 TensorFlow：

Python 3.5–3.7
Ubuntu 16.04 或更高版本
Windows 7 或更高版本
macOS 10.12.6 (Sierra) 或更高版本（不支持 GPU）
Raspbian 9.0 或更高版本

安装环境我们就此忽略，来看看代码森林的实训操作教程

1.选择tensoflow带上机训练的课程如图

2.开始上机操作

3.使用测试代码

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

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')
])

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

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

4.运行结果