当前位置: 首页 > >

camvid数据集使用方法_使用CNN和CIFAR-10数据集构建图像分类器的指南

发布时间:

在神经网络中,卷积神经网络(ConvNets或CNN)是进行图像识别,图像分类的主要类别之一。对象检测,人脸识别等是CNN被广泛使用的一些领域。


本文的主要焦点是如何在现实生活中使用Python应用CNN。


CIFAR-10数据集由10个类中的60000个32 x 32彩色图像组成,每个类有6000个图像。有50000个训练图像和10000个测试图像。


CIFAR-10和CIFAR-100是8000万个微小图像数据集的子集。他们是由Alex Krizhevsky,Vinod Nair和Geoffrey Hinton收集的。


数据集分为五个训练批次和一个测试批次,每个批次有10000张图像。测试批次包含来自每个类别的1000个随机选择的图像。训练批次以随机顺序包含剩余图像,但是一些训练批次可能包含来自一个类别的更多图像而不是另一个类别。在他们之间,训练批次包含来自每个类的5000个图像。


我们将使用keras和tensorflow作为后端,tensorboard也将用于了解模型训练过程中的情况。


首先,我们将导入所需的库和框架


import tensorflow as tfimport kerasfrom keras import backend as Kimport numpy as np%matplotlib inlineimport matplotlib.pyplot as pltprint(tf.__version__)print(keras.__version__)



Keras.dataset中有CIFAR-10数据集,所以我们也需要导入它,我们将使用keras的数据集并将它们分成训练集和测试集


from keras.datasets import cifar10(x_train, y_train), (x_test, y_test) = cifar10.load_data()



输出训练和测试数据集的形状


print("Train samples:



友情链接: 时尚网 总结汇报 幼儿教育 小学教育 初中学习资料网