Question

尝试通过教程开始学习tensorflow。从第一个开始（当然），由于某种原因，当我尝试学习模型时，它显示的损失数在10到12之间，准确度数在0.2到0.3之间，但教程中的数字却大不相同。在安装tensorflow遇到麻烦之前，我尝试使gpu可以工作，但是我只有错误，所以我仅在cpu支持下重新安装了它（python-tensorflow软件包archlinux）。但是我也遇到2019-02-22 19:18:02.042566: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA错误。我不知道是不是这样。

我的代码是：

import tensorflow as tf
from tensorflow import keras

import numpy as np
import matplotlib.pyplot as plt


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

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

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

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

model.fit(train_images, train_labels, epochs=5)

test_loss, test_acc = model.evaluate(test_images, test_labels)

print('Test accuracy:', test_acc)

谢谢！

Answer 1

您的CPU支持此TensorFlow二进制文件未包含的指令编译使用：SSE4.1 SSE4.2 AVX AVX2 FMA 这只是警告，表明您可以从源代码进行编译并可以使用它。

对于您的模型来说，可以，但是如果对输入进行归一化，您将获得70％的准确性

train_images = train_images.astype('float32') / 255
test_images = test_images.astype('float32') / 255

您可以在此处找到更多信息 https://stats.stackexchange.com/questions/211436/why-normalize-images-by-subtracting-datasets-image-mean-instead-of-the-current

第一篇教程中的Tensorflow模型无法按预期工作

1 个答案: