前言 – 阿嬤碎碎念
這篇文章我們將使用 Keras 搭配 MNIST 手寫數字資料來搭建一個數字辨識模型，一步步帶你使用 TensorFlow2 實做數字辨識，請跟隨程式碼上的註解閱讀理解，並可以至 Github 上將 Jupyter Notebook 程式碼下載下來，實際跑跑看。
Github 程式碼
MNIST 手寫數字圖片
在安裝完 Tensorflow2 後，我們就可以開始打造我們的第一個數字辨識模型。這是簡單版的數字辨識模型，之後會寫文章介紹如何打造更好的模型（同時學習深度學習概念），以及使用客製化的方式打造自己的模型。
MNIST 裡面涵蓋的圖片包含手寫數字 0 ~ 9，共 10 個class，每張圖片的大小為 28 X 28。
請問為什麼不需要將label one hot
因為使用的 loss 為 sparse_categorical_crossentropy， 所以 label 可以不用做 one hot。可以參考官方文件
用法為 :
y_true = [1, 2]
y_pred = [[0.05, 0.95, 0], [0.1, 0.8, 0.1]]
loss = tf.keras.losses.sparse_categorical_crossentropy(y_true, y_pred)
請問你這篇文章訓練的時候有用到GPU嗎?是什麼規格?
我要怎麼知道自己的電腦在訓練的時候有沒有用到GPU?
因為都是import tensorflow所以要怎確定?
感謝]