import?tensorflow?as?tf
from?tensorflow?import?keras
import?osgzip
import?numpy?as?np
import?matplotlib.pyplot?as?plt
fashion_mnist=keras.datasets.fashion_mnist
path=‘./data‘
files=[‘train-labels-idx1-ubyte.gz‘
???????‘train-images-idx3-ubyte.gz‘
???????‘t10k-labels-idx1-ubyte.gz‘
???????‘t10k-images-idx3-ubyte.gz‘]
def?load_data（data_folderfiles）:
????paths=[]
????for?fname?in?files:
????????paths.append（os.path.join（data_folderfname））
????##frombuffer將data以流的形式讀入轉化成ndarray對象
????#第一參數為stream第二參數為返回值的數據類型，第三參數指定從stream的第幾位開始讀入
????with?gzip.open（paths[0]‘rb‘）?as?lbpath:
????????y_train?=?np.frombuffer（lbpath.read（）np.uint8offset=8）
????with?gzip.open（paths[1]‘rb‘）?as?imgpath:
????????x_train?=?np.frombuffer（imgpath.read（）np.uint8offset=16）.reshape（len（y_train）2828）
????with?gzip.open（paths[2]?‘rb‘）?as?lbpath:
????????y_test?=?np.frombuffer（lbpath.read（）?np.uint8?offset=8）
????with?gzip.open（paths[3]‘rb‘）?as?imgpath:
????????x_test?=?np.frombuffer（imgpath.read（）np.uint8offset=16）.reshape（len（y_test）2828）
????return?（x_trainy_train）（x_testy_test）
（train_imagestrain_labels）（test_imagestest_labels）=load_data（pathfiles）
class_names?=?[‘T-shirt/top‘‘Trouser‘‘Pullover‘‘Dress‘‘Coat‘‘Sandal‘‘Shirt‘‘Sneaker‘‘Shirt‘‘Sneaker‘‘Bag‘‘Ankle?boot‘]
train_images=train_images/255.0
test_images=test_images/255.0
plt.figure（figsize=（1010））
for?i?in?range（25）:
????plt.subplot（55i+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（）
#建模
model=keras.Sequential（[
????keras.layers.Flatten（input_shape=（2828））
????keras.layers.Dense（128activation=‘relu‘）
????keras.layers.Dense（10activation=‘softmax‘）]）
#編譯訓練模型
model.compile（optimizer=‘adam‘
??????????????loss=‘sparse_categorical_crossentropy‘
??????????????metrics=[‘accuracy‘]）
model.fit（train_imagestrain_labelsepochs=10）
#評估模型及預測
test_losstest_acc?=?model.evaluate（test_imagestest_labelsverbose=2）
print（‘\nTest?accuracy:‘test_acc）
predictions?=?model.predict（test_images）
print（predictions[1]）
print（np.argmax（predictions[1]））
print（test_labels[1]）
def?plot_image（ipredictions_arraytrue_labelimg）:
????predictions_arraytrue_labelimg=predictions_arraytrue_label[i]img[i]
????plt.grid（False）
????plt.xticks（[]）
????plt.yticks（[]）
????plt.imshow（imgcmap=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（ipredictions_arraytrue_label）:
????predictions_arraytrue_label=predictions_arraytrue_label[i]
????plt.grid（False）
????plt.xt

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件???????????0??2020-01-15?09:17??yi_shibie\__init__.py
?????目錄???????????0??2020-01-15?09:22??yi_shibie\data\
?????文件?????4422102??2020-01-15?09:20??yi_shibie\data\t10k-images-idx3-ubyte.gz
?????文件????????5148??2020-01-15?09:20??yi_shibie\data\t10k-labels-idx1-ubyte.gz
?????文件????26421880??2020-01-15?09:21??yi_shibie\data\train-images-idx3-ubyte.gz
?????文件???????29515??2020-01-15?09:20??yi_shibie\data\train-labels-idx1-ubyte.gz
?????文件????????3994??2020-01-15?14:20??yi_shibie\yi_shibie.py