Tensorflow学习笔记No.0

这里更新一些学习Tensorflow过程当中可能用到的实用工具。

Jupyter Notebook

Jupyter Notebook 是一个很是方便的python编程工具，支持可视化，对于学习python而已很是的实用。

能够使用Anaconda3进行安装。

安装了Tensorflow的小伙伴应该都安装过Anaconda，这里就再也不介绍了，正常来讲安装Anaconda时会一并安装Jupyter notebook的。

附上基本操做的介绍博客：https://blog.csdn.net/breeze_blows/article/details/84192374

 

matplotlib.pyplot 可视化与绘图

在Jupyter中输入如下代码

1 import matplotlib.pyplot as plt
2 %matplotlib inline

成功导入plt模块后便可进行绘图。

如下面代码为例：这是我本身定义的神经网络模型model，训练后使用plt.plot()方法绘制出折线图。

 1 model.compile(optimizer = 'adam',
 2               loss = 'sparse_categorical_crossentropy',
 3               metrics = ['acc']
 4              )
 5 
 6 step_per_epochs = train_image.shape[0] // 64
 7 
 8 history = model.fit(ds_train, epochs = 5, steps_per_epoch = step_per_epochs,
 9           validation_data = ds_test, validation_steps = 10000 // 64
10          )
11 
12 plt.plot(history.epoch, history.history.get('acc'), label = 'acc')
13 plt.plot(history.epoch, history.history.get('val_acc'), label = 'val_acc')
14 plt.legend()

运行结果：

plt.plot()中，前两个参数分别为图像的x, y轴数据，label是该图线的标签。

plt.legend()是将上面两条图线合并变成一副图像显出来。

这样咱们就能够直观的看到训练过程当中正确率的变化，判断模型是否欠拟合或者过拟合。

 

Kaggle

　　kaggle是一个比较著名的深度学习的学习与竞赛平台，上面有许多的深度学习数据。

　　能够使用kaggle的notebook来编写程序，而且能够在kaggle提供的GPU上训练网络模型。

　　注册以及使用方法相对简单，自行百度便可。