#查看当前tensorflow的版本
tf.__version__
#标签可以用数组做映射
class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']
#查看数据的形状，对数据有直观的了解。
train_images.shape
(60000,28,28)
#查看训练集总数
len(train_labels)
60000
#如果是图像，可以把数据集的图像拿出一个看看
import matplotlib.pyplot as plt
plt.figure()
plt.imshow(train_images[0])
plt.show()
#注意代码的层级性，figure是大容器，下面有2个元素，imshow和show，其中imshow又是一个子容器，里面有元素train_images[0]。分清层级，有助于理解细节。下面是更详细的写法
import matplotlib.pyplot as plt
plt.figure(figsize=(1,1)) # 添加figsize参数，缩小图像尺寸
plt.imshow(train_images[0])
plt.colorbar() #增加颜色条
plt.grid(False) #去掉网格，黑色背景网格不明显
plt.show()
#可以看到，大容器figure缩小后，里面的图像也跟着缩小了。
#批量查看缩小图
plt.figure(figsize=(10,10))
for i in range(25):
plt.subplot(5,5,i+1)
plt.xticks([])
plt.yticks([])
plt.grid(False)
plt.imshow(train_images[i], cmap=plt.cm.binary)
plt.xlabel(class_names[train_labels[i]])
plt.show()
#挑选单个数据测试
import numpy as np
img = test_images[5]
img = np.expand_dims(img,0)
single = model.predict(img)
single_index = np.argmax(single[0])
class_names[single_index]
#输出：Trouser 裤子
#查看具体的图像，看看是否正确
import matplotlib.pyplot as plt
plt.figure(figsize=(1,1))
plt.imshow(test_images[5])
plt.show()
