Tensorflow 衣物圖像分類

輔助閱讀: Basic classification: Classify images of clothing

這個教程訓練神經網路去分類衣物的圖像，像是運動鞋與襯衫。以下會一一解釋各個參數所代表的意義，以較為簡單的方式進行解釋。

總共有六萬張圖片使用於訓練這個網路，並有一萬張圖片來評估這個模組學習後的準確度。可直接在TensorFlow上連結Fashion MNIST。

載入此資料庫回傳4個NumPy陣列:

1. train_images 和 train_labels 陣列是訓練集，用於訓練模組的資料
2. 模組用於訓練後的測試集，test_images和test_labels陣列

這些圖片是28x28 NumPy陣列，像素值(pixel)介於0到255之間。標籤(labels)是整數數組，範圍介於0至9之間。 圖像代表對應到的衣服class:

每張圖片皆對應到一個標籤，由於class names不被包含在資料集上，所以自行收集等之後使用。

shape方法告知圖片資訊，共六萬張且皆是28x28 pixels。

每個標籤皆是介於0~9的整數。

在訓練網路之前，資料必須預先處理。觀察這些資料會發現像數值皆落於0~255之間。

在將資料輸入神經網路模型之前，先將數值縮放到介於0~1之間。將素質除以255，在訓練集和測試集預先處理時這是非常重要的一步。

為了驗證這些資料在正確的型態以準備好建造與訓練模組，先顯示前二十五張照片以確認。

讓我們下篇再繼續~