服装识别项目数据集与代码.zip

服装识别项目数据集与代码

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将data以流的形式读入转化成ndarray对象
    #第一参数为stream第二参数为返回值的数据类型，第三参数指定从stream的第几位开始读入
    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‘）]）
#编译训练模型
model.compile（optimizer=‘adam‘
              loss=‘sparse_categorical_crossentropy‘
              metrics=[‘accuracy‘]）
model.fit（train_imagestrain_labelsepochs=10）
#评估模型及预测
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

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件           0  2020-01-15 09:17  yi_shibie\__init__.py
     目录           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