TensorFlow官方文档学习 Keras版MNIST Get Started with TensorFlow

1. import tensorflow as tf  
   mnist = tf.keras.datasets.mnist  #下载mnist图像的数据  
     
   (x_train, y_train),(x_test, y_test) = mnist.load_data() #划分训练集和测试集  
   x_train, x_test = x_train / 255.0, x_test / 255.0   #归一化处理[0,1]  
     
   #序贯（Sequential）模型  
   model = tf.keras.Sequential([                          
     tf.keras.layers.Flatten(input_shape=[28,28]),          #展平图像数据  
     tf.keras.layers.Dense(512, activation=tf.nn.relu),     #全连接层512列  
     tf.keras.layers.Dropout(0.2),                          #需要断开的神经元的比例  
     tf.keras.layers.Dense(10, activation=tf.nn.softmax)    #全连接层10列  
   ])  
   model.compile(optimizer='adam',                          #优化器  
                 loss='sparse_categorical_crossentropy',    #损失函数交叉熵  
                 metrics=['accuracy'])                      #评价指标列表  
     
   model.fit(x_train, y_train, epochs=5,batch_size=50)      #fit开始训练迭代5轮  
   model.evaluate(x_test, y_test)                           #对测试集进行测试  

2. 运行得到输出结果：  
3.   
4. 55900/60000 [==========================>...]55900/60000 [==========================>...] - ETA: 0s - loss: 0.0460 - acc: 0.9857  
5. 56400/60000 [===========================>..]56400/60000 [===========================>..] - ETA: 0s - loss: 0.0461 - acc: 0.9857  
6. 56900/60000 [===========================>..]56900/60000 [===========================>..] - ETA: 0s - loss: 0.0460 - acc: 0.9856  
7. 57400/60000 [===========================>..]57400/60000 [===========================>..] - ETA: 0s - loss: 0.0463 - acc: 0.9856  
8. 57900/60000 [===========================>..]57900/60000 [===========================>..] - ETA: 0s - loss: 0.0464 - acc: 0.9856  
9. 58400/60000 [============================>.]58400/60000 [============================>.] - ETA: 0s - loss: 0.0466 - acc: 0.9855  
10. 58900/60000 [============================>.]58900/60000 [============================>.] - ETA: 0s - loss: 0.0465 - acc: 0.9855  
11. 59400/60000 [============================>.]59400/60000 [============================>.] - ETA: 0s - loss: 0.0468 - acc: 0.9854  
12. 59900/60000 [============================>.]59900/60000 [============================>.] - ETA: 0s - loss: 0.0469 - acc: 0.9853  
13. 60000/60000 [==============================]60000/60000 [==============================] - 7s 116us/step - loss: 0.0469 - acc: 0.9853  
14.   
15.   
16.    32/10000 [..............................]   32/10000 [..............................] - ETA: 8s  
17.   928/10000 [=>............................]  928/10000 [=>............................] - ETA: 0s  
18.  1856/10000 [====>.........................] 1856/10000 [====>.........................] - ETA: 0s  
19.  2720/10000 [=======>......................] 2720/10000 [=======>......................] - ETA: 0s  
20.  3584/10000 [=========>....................] 3584/10000 [=========>....................] - ETA: 0s  
21.  4544/10000 [============>.................] 4544/10000 [============>.................] - ETA: 0s  
22.  5376/10000 [===============>..............] 5376/10000 [===============>..............] - ETA: 0s  
23.  6272/10000 [=================>............] 6272/10000 [=================>............] - ETA: 0s  
24.  7136/10000 [====================>.........] 7136/10000 [====================>.........] - ETA: 0s  
25.  8096/10000 [=======================>......] 8096/10000 [=======================>......] - ETA: 0s  
26.  9056/10000 [==========================>...] 9056/10000 [==========================>...] - ETA: 0s  
27.  9888/10000 [============================>.] 9888/10000 [============================>.] - ETA: 0s  
28. 10000/10000 [==============================]10000/10000 [==============================] - 1s 60us/step  
29.   
30. [loss,accuracy]  
31. [0.06254660903802142, 0.9796]  

标签：acc,0s,10000,60000,Keras,Started,ETA,loss,TensorFlow
来源： https://blog.csdn.net/m0_50617544/article/details/120638308