Guida rapida a Tensorflow 2 per principianti

Visualizza su TensorFlow.org Esegui in Google Colab Visualizza il sorgente su GitHub Scarica il notebook

Questa breve introduzione usa Keras per:

  1. Costruire una rete neurale che classifica immagini.
  2. Addestrare questa rete neurale.
  3. E, infine, valutare l'accuratezza del modello.

Questo è un Google Colaboratory notebook file. I programmi Python sono eseguiti direttamente nel browser—un ottimo modo per imparare e utilizzare TensorFlow. Per seguire questo tutorial, esegui il file notebook in Google Colab cliccando sul bottone in cima a questa pagina.

  1. All'interno di Colab, connettiti al runtime di Python: In alto a destra della barra dei menu, seleziona CONNECT.
  2. Esegui tutte le celle di codice di notebook: Seleziona Runtime > Run all.

Scarica e installa il package TensorFlow 2. Importa TensorFlow nel tuo codice:

# Install TensorFlow

import tensorflow as tf

Carica e prepara il dataset MNIST. Converti gli esempi da numeri di tipo integer a floating-point:

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

Costruisci il modello tf.keras.Sequential tramite layer. Scegli un metodo di ottimizzazione e una funzione obiettivo per l'addestramento:

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

Addestra e valuta il modello:

model.fit(x_train, y_train, epochs=5)

model.evaluate(x_test,  y_test, verbose=2)
Epoch 1/5
1875/1875 [==============================] - 3s 2ms/step - loss: 0.2911 - accuracy: 0.9151
Epoch 2/5
1875/1875 [==============================] - 3s 2ms/step - loss: 0.1428 - accuracy: 0.9579
Epoch 3/5
1875/1875 [==============================] - 3s 1ms/step - loss: 0.1073 - accuracy: 0.9673
Epoch 4/5
1875/1875 [==============================] - 3s 1ms/step - loss: 0.0851 - accuracy: 0.9737
Epoch 5/5
1875/1875 [==============================] - 3s 1ms/step - loss: 0.0742 - accuracy: 0.9766
313/313 - 0s - loss: 0.0730 - accuracy: 0.9775

[0.07302536815404892, 0.9775000214576721]

Il classificatore di immagini è ora addestrato per circa il 98% di accuratezza su questo insieme di dati. Per approfondire, leggi il tutorial di TensorFlow.