本文主要是介绍tensorflow2.0 MNIST数据集分类任务，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
MNIST数据集分类任务
TensorFlow 2.0测试版包
代码
from __future__ import absolute_import, division, print_function, unicode_literals# 安装 TensorFlowimport tensorflow as tf# 对mnist数据进行分类任务
if __name__ == '__main__':# 1.加载数据mnist = tf.keras.datasets.mnist# 2.拆分数据(x_train, y_train), (x_test, y_test) = mnist.load_data()# 3.数据格式化/归一化x_train, x_test = x_train / 255.0, x_test / 255.0# 4.创建模型 模型叠加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')])# 5.选择优化器和损失函数model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])# 6.训练模型model.fit(x_train, y_train, epochs=5)# 7.模型评估model.evaluate(x_test, y_test, verbose=2)
实现结果：
loss: 0.0380 - accuracy: 0.9778
这篇关于tensorflow2.0 MNIST数据集分类任务的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
