Tensorflow2.0:加载与识别经典数据集MINIST

一 实现思路 1. 加载 MNIST 数据集,得到训练集与测试集 2. 将训练集与测试集转换为DataSet对象 3. 将数据顺序打散 避免每次读取数据顺序相同,使得模型记住训练集的一些特点,降低模型泛化能力。 4. 设置批训练 从训练集总数中随机抽取batchsize个样本,来进行模型训练,相比于使用所用样本构建模型,批训练花费的时间更少,计算效率更高。每训练一个次,就叫一个step,当经历若干个step使得把训练集所有样本训练过以后,那叫一个epoch 5. 数据预处理 图片像素值进行标准化,使得处于0到1的区间 图片的类别转化成one-hot编码 图片的标签是数字0到数字10,是属于多分