Python实现图像分类的代码
时间: 2023-02-26 07:18:35 浏览: 53
这里是一个简单的图像分类的代码实现,使用了 TensorFlow 和 Keras 库:
```
import tensorflow as tf
from tensorflow import keras
# 加载数据
(x_train, y_train), (x_test, y_test) = keras.datasets.cifar10.load_data()
# 归一化数据
x_train = x_train / 255.0
x_test = x_test / 255.0
# 定义模型
model = keras.models.Sequential([
keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)),
keras.layers.MaxPooling2D((2, 2)),
keras.layers.Flatten(),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10, activation='softmax')
])
# 编译模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
# 训练模型
model.fit(x_train, y_train, epochs=10, validation_data=(x_test, y_test))
# 评估模型
test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2)
print('\nTest accuracy:', test_acc)
```
这份代码使用了 CIFAR-10 数据集,进行图像分类。模型包含了卷积层、池化层、全连接层等组件,并使用了 Adam 优化器和稀疏分类交叉熵损失函数进行训练。评估结果显示了模型在测试数据上的分类精度。