keras使用cnn实现fashion-mnist数据集识别

Keras是一个高级神经网络API，它可以在TensorFlow等深度学习库之上运行。如果你想使用Keras的卷积神经网络（Convolutional Neural Network，CNN）来识别Fashion-MNIST数据集，这是一个包含10种服装类别（如T恤、牛仔裤、鞋等）的手写数字图像的数据集，可以按照以下步骤操作：

1. **导入必要的库**：

   import tensorflow as tf
   from tensorflow.keras import datasets, layers, models

2. **加载Fashion-MNIST数据**：

   (train_images, train_labels), (test_images, test_labels) = datasets.fashion_mnist.load_data()

3. **预处理数据**：
- 将图像转换为通道在最后的维度

   train_images, test_images = train_images / 255.0, test_images / 255.0
   train_images = train_images[..., tf.newaxis]
   test_images = test_images[..., tf.newaxis]

4. **构建CNN模型**：

   model = models.Sequential([
       layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
       layers.MaxPooling2D((2, 2)),
       layers.Conv2D(64, (3, 3), activation='relu'),
       layers.MaxPooling2D((2, 2)),
       layers.Flatten(),  # 展平为一维数组以便输入全连接层
       layers.Dense(128, activation='relu'),
       layers.Dropout(0.5),  # 防止过拟合
       layers.Dense(10, activation='softmax')  # 输出层，10个节点对应10个类别
   ])

5. **编译模型**：

   model.compile(optimizer='adam',
                 loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
                 metrics=['accuracy'])

6. **训练模型**：

   model.fit(train_images, train_labels, epochs=10, validation_split=0.1)

7. **评估模型性能**：

   test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)
   print(f'Test accuracy: {test_acc}')