02-CNN彩色图片分类

原创

于 2022-01-08 19:28:02 发布 · 702 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#cnn #分类 #深度学习

博客主要介绍了使用CNN（卷积神经网络）进行彩色图片分类的过程。通过模型预测，每个类别会得到相应的概率，概率值越高，表示图片属于该类别的可能性越大。同时，博客中提到了训练集和测试集的损失值（loss）和准确率（accuracy），用于评估模型的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#导入数据
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()

#归一化
#将像素的值标准化至0至1的区间内
train_images,test_images = train_images/255.0,test_images/255.0
train_images.shape,test_images.shape,train_labels.shape,test_labels.shape

((50000, 32, 32, 3), (10000, 32, 32, 3), (50000, 1), (10000, 1))

#可视化
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

最低0.47元/天解锁文章