花朵分类 (一)

毛显新

关注

发布于: 8 小时前

本次教程的目的是带领大家学会基本的花朵图像分类

首先我们来介绍下数据集，该数据集有 5 种花，一共有 3670 张图片，分别是 daisy、dandelion、roses、sunflowers、tulips，数据存放结构如下所示

我们可以展示下 roses 的几张图片

接下来我们需要加载数据集，然后对数据集进行划分，最后形成训练集、验证集、测试集，注意此处的验证集是从训练集切分出来的，比例是 8:2

对数据进行探索的时候，我们发现原始的像素值是 0-255，为了模型训练更稳定以及更容易收敛，我们需要标准化数据集，一般来说就是把像素值缩放到 0-1，可以用下面的 layer 来实现

normalization_layer = tf.keras.layers.experimental.preprocessing.Rescaling(1./255)

复制代码

为了使训练的时候 I/O 不成为瓶颈，我们可以进行如下设置

AUTOTUNE = tf.data.AUTOTUNEtrain_ds = train_ds.cache().prefetch(buffer_size=AUTOTUNE)val_ds = val_ds.cache().prefetch(buffer_size=AUTOTUNE)

复制代码

下一步就是模型搭建，然后对模型进行训练

num_classes = 5model = tf.keras.Sequential([  tf.keras.layers.experimental.preprocessing.Rescaling(1./255),  tf.keras.layers.Conv2D(32, 3, activation='relu'),  tf.keras.layers.MaxPooling2D(),  tf.keras.layers.Conv2D(32, 3, activation='relu'),  tf.keras.layers.MaxPooling2D(),  tf.keras.layers.Conv2D(32, 3, activation='relu'),  tf.keras.layers.MaxPooling2D(),  tf.keras.layers.Flatten(),  tf.keras.layers.Dense(128, activation='relu'),  tf.keras.layers.Dense(num_classes)])model.compile(  optimizer='adam',  loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),  metrics=['accuracy'])model.fit(  train_ds,  validation_data=val_ds,  epochs=3)

复制代码

从上图的训练记录可以发现，该模型处于欠拟合状态，我们可以通过多训练几轮来解决这个问题，而且为了快速实验，我们这里用了一个非常简单的模型，我们可以通过更换更强的模型，来提升模型的表现

代码链接: https://codechina.csdn.net/csdn_codechina/enterprise_technology/-/blob/master/load_preprocess_images.ipynb

发布于: 8 小时前阅读数: 2

毛显新

关注

还未添加个人签名 2021.07.26 加入

还未添加个人简介

发布

暂无评论

创作场景

花朵分类 (一)

毛显新

评论