Tensorflow Fashion_mnist

#Import
import matplotlib.pyplot as plt
import tensorflow as tf

#Verifie si tensorflow est en version 2.0
assert hasattr(tf, 'function')

#Charge le dataset
fashion_mnist = tf.keras.datasets.fashion_mnist
(images, targets), (_, _) = fashion_mnist.load_data() # Target correspond à la catégorie de l'image

#Associe un nom à la catégorie
targets_names = ["T-shirt", "Pantalons", "Pull", "Dress", "Veste", "Sandale", "Haut", "Chaussure", "Sac", "Bottes"]

# On créer le modèle
model = tf.keras.models.Sequential() # Model sequentiel : l'instruction d'après prend en entrée le résultat de l'instruction d'avant
# Applatie l'image : (28,28) -> (1,784)
model.add(tf.keras.layers.Flatten(input_shape=[28,28]))

#Layers
model.add(tf.keras.layers.Dense(256, activation="relu"))
model.add(tf.keras.layers.Dense(128, activation="relu"))
model.add(tf.keras.layers.Dense(10, activation="softmax"))

model.compile(
    loss="sparse_categorical_crossentropy",
    optimizer="sgd",
    metrics=["accuracy"]
)

history = model.fit(images,targets, epochs=10)

loss_curve = history.history["loss"]
acc_curve = history.history["accuracy"]

plt.plot(loss_curve)
plt.title("Loss")
plt.show()

plt.plot(acc_curve)
plt.title("Accuracy")
plt.show()