Dự đoán ảnh mới trên Fashion MNIST với mô hình TensorFlow đã train

TensorFlow (Google) framework học máy mã nguồn mở, dùng Python, tối ưu bằng NumPy và tensor. Hỗ trợ mạng nơ-ron sâu.

Cài đặt: pip install tensorflow

Tensor: mảng đa chiều với Rank (số chiều), Type (kiểu dữ liệu), Shape (hình dạng).

Tập dữ liệu Fashion MNIST: >70.000 ảnh grayscale trang phục 10 loại, độ phân giải thấp 28x28 pixel.

Chạy trên Google Colab (Python trên trình duyệt, GPU miễn phí).

Ví dụ

print("Lấy một ảnh từ tập test")
img = test_images[26]
print("Kích thước ảnh:", img.shape)

print("Thêm ảnh vào batch (là entity duy nhất)")
img = np.expand_dims(img, 0)
print("Kích thước mới:", img.shape)

my_pred = probability_model.predict(img)
print("Dự đoán:", my_pred)

plot_value_array(1, my_pred[0], test_labels)
_ = plt.xticks(range(10), class_names, rotation=45)
np.argmax(my_pred[0])

Nguồn mã: TensorFlow Classification Tutorial

Đầu ra

Lấy một ảnh từ tập test
Kích thước ảnh: (28, 28)
Thêm ảnh vào batch (là entity duy nhất)
Kích thước mới: (1, 28, 28)
Dự đoán: [[8.0459216e-07 1.7074371e-09 2.6175227e-02 1.8855806e-07 1.7909618e-01 2.1126857e-06 7.9472500e-01 7.5104166e-11 4.7921480e-07 1.6657851e-10]]
6

Giải thích

• Hiển thị kích thước ảnh test (28, 28).
• expand_dims tối ưu cho batch processing; thêm ảnh đơn lẻ vào batch.
• predict() trả về list of lists (mỗi list = 1 ảnh trong batch).
• Trích xuất và hiển thị dự đoán cho ảnh cần thiết.
• Trực quan hóa bằng matplotlib dạng biểu đồ cột.