Tensorflow學習筆記No.0

這裏更新一些學習Tensorflow過程當中可能用到的實用工具。

Jupyter Notebook

Jupyter Notebook 是一個很是方便的python編程工具，支持可視化，對於學習python而已很是的實用。

能夠使用Anaconda3進行安裝。

安裝了Tensorflow的小夥伴應該都安裝過Anaconda，這裏就再也不介紹了，正常來講安裝Anaconda時會一併安裝Jupyter notebook的。

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

 

matplotlib.pyplot 可視化與繪圖

在Jupyter中輸入如下代碼

1 import matplotlib.pyplot as plt
2 %matplotlib inline

成功導入plt模塊後便可進行繪圖。

如下面代碼爲例：這是我本身定義的神經網絡模型model，訓練後使用plt.plot()方法繪製出折線圖。

 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()

運行結果：

plt.plot()中，前兩個參數分別爲圖像的x, y軸數據，label是該圖線的標籤。

plt.legend()是將上面兩條圖線合併變成一副圖像顯出來。

這樣咱們就能夠直觀的看到訓練過程當中正確率的變化，判斷模型是否欠擬合或者過擬合。

 

Kaggle

　　kaggle是一個比較著名的深度學習的學習與競賽平臺，上面有許多的深度學習數據。

　　能夠使用kaggle的notebook來編寫程序，而且能夠在kaggle提供的GPU上訓練網絡模型。

　　註冊以及使用方法相對簡單，自行百度便可。