如何用TensorFlow或Keras实现Python图像分类任务？

本文共计7121个文字，预计阅读时间需要29分钟。

在本次节中，我们将重新讨论手写数字分类的问题（使用MNIST数据集）。这次我们采用深度神经网络，利用流行的深度学习库TensorFlow（TF）和Keras来解决此问题。TensorFlow（TF）是……

在本节中，我们将重新讨论手写数字分类的问题（使用MNIST数据集），但这次使用的是深度神经网络，即使用两个非常流行的深度学习库TensorFlow和Keras来解决这个问题。TensorFlow（TF）是用于建立深度学习模型的著名的库，它有一个非常庞大且令人惊艳的社区。然而，TensorFlow并不容易学会使用。而Keras是一个基于TensorFlow的高级应用程序接口（API），对底层结构的控制较少，但它比TF更友好且更易于使用。底层库提供了更多的灵活性，因此TF可以相比Keras可以更多地调整，更灵活。

10.3.1　使用TensorFlow进行图像分类

从一个非常简单的深度神经网络开始，它只包含一个全连接隐含层（ReLU激活）和一个softmax（归一化指数函数）全连接层，没有卷积层。图10-6所示的是颠倒的网络。输入是一个包含28×28个输入节点、隐含层为1024个节点和10个输出节点的扁平化图像，对应于要分类的每个数字。

图10-6　简单的深度神经网络图——颠倒的网络

现在用TF实现深度学习图像分类。