深度学习-第T2周——彩色图片分类
创始人
2024-05-29 11:50:33
0

深度学习-第T2周——彩色图片分类

  • 深度学习-第P1周——实现mnist手写数字识别
    • 一、前言
    • 二、我的环境
    • 三、前期工作
      • 1、导入依赖项并设置GPU
      • 2、导入数据集
      • 3、归一化
      • 4、可视化图片
    • 四、构建简单的CNN网络
    • 五、编译并训练模型
      • 1、设置超参数
      • 2、编写训练函数
    • 六、预测
    • 七、模型评估

深度学习-第P1周——实现mnist手写数字识别

一、前言

  • 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
  • 🍖 原作者:K同学啊

二、我的环境

  • 电脑系统:Windows 10
  • 语言环境:Python 3.8.5
  • 编译器:colab在线编译
  • 深度学习环境:Tensorflow

三、前期工作

1、导入依赖项并设置GPU

import tensorflow as tf
gpus = tf.config.list_physical_devices("GPU")if gpus:gpu0 = gpus[0]tf.config.experimental.set_memory_growth(gpu0, True)tf.config.set_visible_device([gpu0], "GPU")

2、导入数据集

使用dataset下载MNIST数据集,并划分训练集和测试集

使用dataloader加载数据

import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()

3、归一化

数据归一化作用

  • 使不同量纲的特征处于同一数值量级,减少方差大的特征的影响,使模型更准确
  • 加快学习算法的准确性
train_images, test_images = train_images / 255.0, test_images / 255.0train_images.shape, test_images.shape, train_labels.shape, test_labels.shape

4、可视化图片

class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']plt.figure(figsize = (20, 10))
for i in range(20):
plt.subplot(5, 10, 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][0]])plt.show()

在这里插入图片描述

四、构建简单的CNN网络

对于一般的CNN网络来说,都是由特征提取网络和分类网络构成,其中特征提取网络用于提取图片的特征,分类网络用于将图片进行分类。

  • 卷积层:通过卷积操作对输入图像进行降维和特征抽取,有卷积,填充,步幅三个部分。
    • 卷积:假设输入图片为n * n,通过k * k的卷积核,那么输出维度为(n-k+1)*(n-k+1)。
    • 填充:假设输入图片为n * n,通过k * k的卷积核, 且填充为p,那么输出维度为(n-k+2p+1)*(n-k+2p+1)
    • 步幅: 假设输入图片为n * n,通过k * k的卷积核, 填充为p,且步幅为s,那么输出维度为((n-k+2p)/ s +1)*((n-k+2p)/ s +1)
  • 池化层:是一种非线性形式的下采样。主要用于特征降维,压缩数据和参数的数量,减小过拟合,同时提高模型的鲁棒性。
    • 与卷积层一样,假设输入图片为n * n,通过k * k的卷积核, 填充为p,且步幅为s,那么输出维度为((n-k+2p)/ s +1)*((n-k+2p)/ s +1)
#二、构建简单的CNN网络
# 创建并设置卷积神经网络
# 卷积层:通过卷积操作对输入图像进行降维和特征抽取,输出维度为
# 池化层:是一种非线性形式的下采样。主要用于特征降维,压缩数据和参数的数量,减小过拟合,同时提高模型的鲁棒性。
# 全连接层:在经过几个卷积和池化层之后,神经网络中的高级推理通过全连接层来完成。
model = models.Sequential([layers.Conv2D(32, (3, 3), activation = 'relu', input_shape= (32, 32, 3)),layers.MaxPooling2D((2, 2)),layers.Conv2D(64, (3, 3), activation = 'relu'),layers.MaxPooling2D((2, 2)),layers.Conv2D(64, (3, 3), activation = 'relu'),layers.Flatten(),layers.Dense(64, activation = 'relu'),layers.Dense(10)
])model.summary()
#以上为简单的tf八股模板,可以看B站的北大老师曹健的tensorflow笔记

在这里插入图片描述

五、编译并训练模型

1、设置超参数

#这里设置优化器,损失函数以及metrics
model.compile(#设置优化器为Adam优化器optimizer = 'adam',#设置损失函数为交叉熵损失函数loss = tf.keras.losses.SparseCategoricalCrossentropy(from_logits = True),metrics = ['accuracy']
)

2、编写训练函数

history = model.fit(train_images,train_lables,epochs = 10,validation_data = (test_images, test_lables)
)

在这里插入图片描述

六、预测

plt.imshow(test_images[1])

在这里插入图片描述

import numpy as nppre = model.predict(test_images)
print(class_names[np.argmax(pre[1])])

在这里插入图片描述

七、模型评估

import matplotlib.pyplot as pltplt.plot(history.history['accuracy'], label = 'accuracy')
plt.plot(history.history['val_accuracy'], label = 'val_accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.ylim([0.5, 1]) #设置y轴刻度
plt.legend(loc = 'lower right')
plt.show()test_loss, test_acc = model.evaluate(test_images, test_labels, verbose = 2)
#verbose = 0不输出日志信息, = 0 输出进度条记录, = 2 输出一行记录

在这里插入图片描述

print(test_acc)

在这里插入图片描述

相关内容

热门资讯

浙商中证1000指数增强基金财... 浙商中证1000指数增强型证券投资基金2024年年报已发布。报告期内,该基金份额总额从87,654,...
浙商智多金稳健一年持有期基金财... 2025年3月29日,浙商基金管理有限公司发布了浙商智多金稳健一年持有期混合型证券投资基金2024年...
鹏扬中债0-3年政金债指数财报... 鹏扬中债0-3年政策性金融债指数证券投资基金于2025年3月29日发布2024年年报。报告期内,该基...
“算力泡沫论”再起 秦枭近年来,随着人工智能(AI)技术的爆发式增长,算力基础设施建设在全球范围内掀起了一股热潮。然而,...
全球首批OC证落地 无人驾驶... 本报记者 陈佳岚 广州报道近日,中国民航局分别向广东亿航通用航空有限公司(以下简称“亿航通航”)和合...
鹏扬中证同业存单AAA指数7天... 鹏扬中证同业存单AAA指数7天持有期证券投资基金2024年年报已发布,报告期内基金份额总额、净资产合...
鹏扬中证500质量成长ETF联... 鹏扬中证500质量成长ETF联接基金2024年年报已发布,各项关键数据变动值得投资者关注。报告期内,...
浙商智选领航三年持有期基金财报... 2025年3月29日,浙商基金管理有限公司发布了浙商智选领航三年持有期混合型证券投资基金2024年年...
胖子怎么练好胸肌和腹肌? 胖子怎么练好胸肌和腹肌?我是健身教练,想减肥最好做有氧运动,想什么跑步,跳绳,游泳,骑单车之类的••...
“不如就此相忘于尘世间” 是什... “不如就此相忘于尘世间” 是什么意思啊?相见不如怀念!既然不能相伴,就不如相忘于江湖尘世。就是说,对...
天龙八部2那个门派最厉害? 天龙八部2那个门派最厉害?都一样的,没有最厉害的,厉害的是花钱多的,只要石头高装备好,任何门派都是最...
长沙过贾谊宅中哪一句用曲笔含蓄... 长沙过贾谊宅中哪一句用曲笔含蓄的表达了诗人内心的抑郁沧愤之情?长沙过贾谊宅中含蓄的表达了诗人内心的抑...
仓鼠逃跑了怎么办!急死了! 仓鼠逃跑了怎么办!急死了!仓鼠逃跑不会掉进厕所,你在床底下、沙发底下、桌子底下、墙角、洗衣机地下、菜...
全国有多少人叫李昊白 全国有多少人叫李昊白这个没有确切的数字,只能讲大约多个
火力2里面马凯那招1A的使悠悠... 火力2里面马凯那招1A的使悠悠球在线圈内水平180度翻转的招叫什么?如何玩?在线等!咋玩不知道告诉你...
浙商智选价值混合财报解读:份额... 2025年3月29日,浙商基金管理有限公司发布了浙商智选价值混合型证券投资基金2024年年度报告。报...
鹏扬中债3-5年国开债指数财报... 鹏扬中债3-5年国开债指数基金2024年年报已发布,各项关键数据变动显著,值得投资者深入剖析。报告期...
新凯来火爆出圈 中国半导体设... 转自:中国经营网本报记者 李玉洋 上海报道国内半导体设备行业或将迎来DeepSeek时刻。近日,在2...
“二代接班”首年巨亏79亿元 ... 本报记者 李哲 北京报道一年前,天齐锂业(002466.SZ)创始人蒋卫平将“交接棒”交到女儿蒋安琪...
成都人口逼近北京 “第三城”... 本报记者 庄灵辉 卢志坤 北京报道各地2024年人口数据相继出炉。日前,成都市统计局发布的数据显示,...