Python垃圾分类代码

以下是一个简单的 Python 垃圾分类代码示例，使用了深度学习框架 TensorFlow 和 Keras：

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

# 定义模型
model = keras.Sequential([
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(224, 224, 3)),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(128, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(128, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Flatten(),
    layers.Dense(256, activation='relu'),
    layers.Dense(1, activation='sigmoid')
])

# 编译模型
model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

# 加载数据集
train_datagen = keras.preprocessing.image.ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
        'train',
        target_size=(224, 224),
        batch_size=32,
        class_mode='binary')

# 训练模型
model.fit(train_generator, epochs=50)

# 使用模型进行预测
test_datagen = keras.preprocessing.image.ImageDataGenerator(rescale=1./255)
test_generator = test_datagen.flow_from_directory(
        'test',
        target_size=(224, 224),
        batch_size=32,
        class_mode='binary')
model.evaluate(test_generator)

# 保存模型
model.save('garbage_classification_model.h5')

在这个示例中，我们使用了一个卷积神经网络模型，将图像大小调整为 224x224，并将其分为两类（垃圾和非垃圾）。我们使用 ImageDataGenerator 类来加载和处理数据集，并使用 fit() 方法来训练模型。最后，我们使用 evaluate() 方法评估模型的性能，并使用 save() 方法将模型保存到磁盘上。