网站架构分析工具,wordpress json数据,涿州住房和城乡建设局网站,服务网站建设1. 代码实现(包含流程解释) 样本量: 8005
#
# 1.导入数据集(加载图片)数据预处理# 进行图像增强, 通过对图像的旋转 ,缩放,剪切变换, 翻转, 平移等一系列操作来生成新样本, 进而增加样本容量,
# 同时对图片数值进行归一化[0:1]
from tensorflow.keras.preprocessing.image …1. 代码实现(包含流程解释) 样本量: 8005
#
# 1.导入数据集(加载图片)数据预处理# 进行图像增强, 通过对图像的旋转 ,缩放,剪切变换, 翻转, 平移等一系列操作来生成新样本, 进而增加样本容量,
# 同时对图片数值进行归一化[0:1]
from tensorflow.keras.preprocessing.image import ImageDataGenerator
# 下面一些参数是ai生成的, 感觉自己都学到狗身上去了, 直接让ai去学训练模型吧, 它比我做得好,呜呜呜
# 加上ai提供的参数之后, 准确率降低了百分之三十, 果然, 我还是有点存在价值的
dog_cat_datagen ImageDataGenerator(rescale1./255, # 归一化图像
)
# 加载图像数据, 将图像转换为50*50像素的图片, 每次训练选32张图片进行反向搜索, 分类类型是二分类
dog_cat_datadog_cat_datagen.flow_from_directory(rC:\Users\鹰\Desktop\ML_Set\dog_cat_class\training_set, target_size(50,50), batch_size32,class_modebinary)#
# 2.模型训练
# 模型框架搭建
# 导入线性堆叠框架
from keras.models import Sequential
CNNSequential()# 模型填充
# 导入卷积层模块, 池化层模块, 展开层模块, 全连接层模块
from keras.layers import Conv2D, MaxPool2D, Flatten, Dense
# 第一波卷积层, 就是为什么需要激活函数呢???????不理解啊!!!
CNN.add(Conv2D(32,(3,3), input_shape(50,50,3), activationrelu))
# 第一波池化层, 默认step1, 默认进行图像填充padding???
CNN.add(MaxPool2D(pool_size(2,2)))
# 第二波卷积层
CNN.add(Conv2D(32,(3,3), activationrelu))
# 第二波池化层
CNN.add(MaxPool2D(pool_size(2,2)))
# flatten--展开层, 作用就是转换图像矩阵的维度, 将二维转化为一维来作为全连接层的输入
CNN.add(Flatten())
# FC layer--全连接层
CNN.add(Dense(units128, activationrelu))
CNN.add(Dense(units1, activationsigmoid))# 模型编译调优, 加一个精确率是什么鬼? 看看效果再说吧
CNN.compile(lossbinary_crossentropy, optimizeradam, metrics[accuracy])CNN.summary()# 训练模型, 使用fit_generator是因为对图像进行了增强, 得到的数据是基于ImageDataGenerator产生的
# CNN.fit(dog_cat_data, epochs25)
CNN.fit(dog_cat_data,epochs25,
# steps_per_epochdog_cat_data.samples // dog_cat_data.batch_size
)#
# 模型评估与预测
# 训练集的准确率
train_accuracyCNN.evaluate(dog_cat_data)
print(训练集准确率为:, train_accuracy[1])# 测试集准确率
# 需要先对测试集进行导入和预处理
from tensorflow.keras.preprocessing.image import ImageDataGenerator
dog_cat_data_plusImageDataGenerator(1./255)
dog_cat_data_testdog_cat_data_plus.flow_from_directory(rC:\Users\鹰\Desktop\ML_Set\dog_cat_class\test_set, target_size(50,50), batch_size32, class_modebinary)
test_accuracyCNN.evaluate(dog_cat_data_test)
print(测试集准确率为:, test_accuracy[1])#
# 在网上下载图片, 进行随机测试
from keras.preprocessing.image import load_img, img_to_array
pic_animalrC:\Users\鹰\Desktop\DogCat\12.jpg
pic_animalload_img(pic_animal, target_size(50,50))
pic_animalimg_to_array(pic_animal)
# 归一化
pic_animalpic_animal/255
pic_animalpic_animal.reshape(1,50,50,3)
# 预测
res_proCNN.predict(pic_animal)
import numpy as np
resnp.argmax(res_pro, axis1)
print(result is :, res)
# 结果为0--猫, 结果为1--狗 2.注意:
这个训练的模型有一点问题, 当然也有可能是我的问题:
模型在训练集和测试集上表现不错, 训练集准确率接近100%, 测试集准确率70%左右,
但使用在百度上下载的猫狗图片进行二分类预测时, 测试结果全部显示[0], 也就是猫,
希望路过的大佬能指点一下, 请收下我的膝盖!!!!!! 3.数据集链接:
官网:
Cat and Dog | KaggleCats and Dogs dataset to train a DL modelhttps://www.kaggle.com/datasets/tongpython/cat-and-dog?resourcedownload
百度网盘分享:
链接https://pan.baidu.com/s/1T1mymwIqOOF3MKfWxRtnpQ 提取码6axn 晚安,各位
