tensorflow入门实战----VGG16完成猫狗分类

其中模型和训练集需要提前下好的

from keras.application.vgg16 import VGG16
from keras.models import Sequential
from keras.layers import Conv2D,MaxPool2D,Activation,Dropout,Flatten,Dense
from keras.optimizers import SGD
from keras.preprocessing.image import ImageDataGenerator,img_to_array,load_img
import numpy as npvgg16_model = VGG16(weight='imagenet',include_top=False,input_shape(150,150,3))
#搭建全连接层
top_model=Sequential()
#Flatten数据的扁平化，变成一个一维的，其中，输出形状的output_shape1：是从开始取到结尾
top_model.add(Flatten(input_shape=vgg16_model.output_shape[1:]))
#接下来进行全连接，用dense这个函数，顺带着用relu进行激活
top_model.add(Dropout(0.5))
#老师讲到的softmax激活函数
top_model.add(Dense(2,activation='softmax'))#最终成型的模型要加入vgg_model和top_model，整合成一个模型
model=Sequential()
model.add(vgg16_model)
model.add(top_model)train_datagen=ImageDataGenerator(rotation_range=40,#随机选择度width_shift_range=0.2,#随机水平平移height_shift_range=0.2,#随机竖直平移rescale=1/255,#数据归一化shear_range=20,#随机错切变换zoom_range=0.2,#随机放大horizontal_flip=True,#水平翻转fill_model='nearest'，#填充方式
)
test_datagen=ImageDataGenerator(rescale=1/255,#训练集中需要数据归一化
)
############
#接下来开始定义训练集的数据
train_generator=train_datagen.flow_from_directory('image/test'target_size=(150,150)，#定义训练集的图片大小batch_size=batch_size,#定义训练集的batch大小
)
train_generator.class_indices#查看label
#定义优化器，代价函数，训练过程中计算准确率
model.compile(optimizer=SGD(lr=le-4,momentum=0.9),loss='categorical_crossentropy',metrics=['accuracy'])model.fit_generator(train_generator,epochs=20,validation_data=test_generator)

一共需要20个周期

所以，现在，我们学会两种激活函数了

Relu
softmax
结果如下：

tensorflow入门实战----VGG16完成猫狗分类相关推荐

神经网络实战--使用迁移学习完成猫狗分类
前言: Hello大家好,我是Dream. 今天来学习一下如何使用基于tensorflow和keras的迁移学习完成猫狗分类,欢迎大家一起前来探讨学习~ 本文目录: 一.加载数据集 1.调用库函数 2 ...
tensorflow.js在nodejs训练猫狗分类模型在浏览器上使用
目录本人系统环境注意事项前言数据集准备处理数据集数据集初步处理将每一张图片数据转换成张量数据(tensor) 将图片转换成张量数组的代码和运行效果将图片的标注转换成张量数据(tenso ...
Python学习记录使用tensorflow 2.8 完成猫狗识别使用keras构建CNN神经网络
猫狗识别项目数据分为带标签和不带标签带标签:25000张不带标签:12500张文章目录猫狗识别数据分类处理图像增强预处理编写神经网络结构设置模型保存路径输入样本进入模型进行训练加 ...
使用ModelArts自动学习完成猫狗声音分类
准备数据点击下载猫狗声音数据集至本地: 解压,文件包结构大概如下图所示 data ├── test │ ├── cats │ │ ├── cat_20.wav │ │ ├── ...... │ │ ...
VGG16进行猫狗分类
实验平台:谷歌Colaboratory 网络模型:VGG16 数据集:kaggle猫狗数据集(仅使用2000张,1000张猫1000张狗) 深度学习框架:Keras+Tensorflow后台代码如下 ...
卷积神经网络——猫狗分类
目录一.搭建环境,完成猫狗分类一)安装TensorFlow和Keras 1.Anaconda中安装 2.cmd中安装二)猫狗分类实验 1.先制作数据集 2.卷积神经网络CNN 三)附加问题二. ...
Tensorflow 学习之猫狗分类案例
Tensorflow 学习之猫狗分类案例本人一直在Cousera上学习Ng Andrew老师的Tensorflow课程,在本次猫狗分类案例当中,我对课程做了相应的记录,呈现在此,一方面加深学习的印象 ...
Kaggle深度学习与卷积神经网络项目实战-猫狗分类检测数据集
Kaggle深度学习与卷积神经网络项目实战-猫狗分类检测数据集一.相关介绍二.下载数据集三.代码示例 1.导入keras库,并显示版本号 2.构建网络 3.数据预处理 4.使用数据增强四.使用 ...
【学习笔记】pytorch迁移学习-猫狗分类实战
1.迁移学习入门什么是迁移学习:在深度神经网络算法的引用过程中,如果我们面对的是数据规模较大的问题,那么在搭建好深度神经网络模型后,我们势必要花费大量的算力和时间去训练模型和优化参数,最后耗费了这么 ...

tensorflow入门实战----VGG16完成猫狗分类

tensorflow入门实战----VGG16完成猫狗分类相关推荐

最新文章

热门文章