训练完成后，可以使用构建的模型处理经过增强的新的数据。这可以使用“predict”方法完成。需要验证的数据首先加载到环境中。然后，通过将其从图像转换为数组进行预处理。接下来，在此数组上调用 predict 方法。阅读更多：什么是 TensorFlow 以及 Keras 如何与 TensorFlow 一起创建神经网络？我们将使用 Keras Sequential API，它有助于构建一个顺序模型，该模型用于处理简单的层堆栈，其中…… 阅读更多

应用增强和 dropout 方法（为了避免过拟合）后，可以使用“matplotlib”库可视化花卉数据集。这是使用“plot”方法完成的。阅读更多：什么是 TensorFlow 以及 Keras 如何与 TensorFlow 一起创建神经网络？我们将使用 Keras Sequential API，它有助于构建一个顺序模型，该模型用于处理简单的层堆栈，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络称为卷积层。我们可以使用卷积神经网络来构建学习…… 阅读更多

可以使用“compile”方法编译增强模型，该方法还将验证数据和时期数（训练步骤数）作为参数传入方法中。阅读更多：什么是 TensorFlow 以及 Keras 如何与 TensorFlow 一起创建神经网络？我们将使用 Keras Sequential API，它有助于构建一个顺序模型，该模型用于处理简单的层堆栈，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络称为卷积层。我们可以使用卷积…… 阅读更多

可以使用“compile”方法编译增强模型，该方法还将“SparseCategoricalCrossentropy”作为参数来计算与训练相关的损失。阅读更多：什么是 TensorFlow 以及 Keras 如何与 TensorFlow 一起创建神经网络？我们将使用 Keras Sequential API，它有助于构建一个顺序模型，该模型用于处理简单的层堆栈，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络称为卷积层。我们可以使用卷积神经网络来构建学习模型。我们…… 阅读更多

Tensorflow 可以使用 dropout 技术来减少过拟合，其中创建一个顺序模型，该模型包含一个 Rescaling 层和增强数据作为其层。阅读更多：什么是 TensorFlow 以及 Keras 如何与 TensorFlow 一起创建神经网络？我们将使用 Keras Sequential API，它有助于构建一个顺序模型，该模型用于处理简单的层堆栈，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络称为卷积层。我们可以使用卷积神经…… 阅读更多

可以使用 Tensorflow 和 Python 以及“matplotlib”库来可视化增强数据。对图像进行迭代，并使用“imshow”方法进行绘图。阅读更多：什么是 TensorFlow 以及 Keras 如何与 TensorFlow 一起创建神经网络？我们将使用 Keras Sequential API，它有助于构建一个顺序模型，该模型用于处理简单的层堆栈，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络称为卷积层。我们可以使用卷积神经网络来构建…… 阅读更多

可以通过添加额外的训练数据来使用增强来减少过拟合。这是通过创建一个使用“RandomFlip”层的顺序模型来完成的。阅读更多：什么是 TensorFlow 以及 Keras 如何与 TensorFlow 一起创建神经网络？我们将使用 Keras Sequential API，它有助于构建一个顺序模型，该模型用于处理简单的层堆栈，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络称为卷积层。我们可以使用卷积神经网络来构建学习…… 阅读更多

可以使用 Tensorflow 和 Python 以及“matplotlib”库来可视化训练结果。“plot”方法用于在控制台上绘制数据。阅读更多：什么是 TensorFlow 以及 Keras 如何与 TensorFlow 一起创建神经网络？我们将使用 Keras Sequential API，它有助于构建一个顺序模型，该模型用于处理简单的层堆栈，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络称为卷积层。我们可以使用卷积神经网络…… 阅读更多

可以使用 Tensorflow 中的“train”方法训练模型，其中指定时期数（必须训练数据以拟合模型的次数）和训练数据。阅读更多：什么是 TensorFlow 以及 Keras 如何与 TensorFlow 一起创建神经网络？我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码，并且无需任何配置即可免费访问 GPU（图形处理单元）。Colaboratory 建立在 Jupyter Notebook 之上。print("模型正在训练") epochs=12 history = model.fit( train_ds, ... 阅读更多

在 TensorFlow 中创建的模型可以使用 ‘compile’ 方法进行编译。损失函数使用 ‘SparseCategoricalCrossentropy’ 方法计算。阅读更多：什么是 TensorFlow 以及 Keras 如何与 TensorFlow 协同工作以创建神经网络？我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码，无需任何配置即可免费访问 GPU（图形处理单元）。Colaboratory 基于 Jupyter Notebook 构建。print("模型正在编译") model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy']) print("模型的架构") model.summary() 代码来源：https://tensorflowcn.cn/tutorials/images/classification 输出模型正在编译 模型的架构…… 阅读更多