基于卷积神经网络图片识别
时间: 2023-11-30 08:43:38 浏览: 103
基于卷积神经网络的图片识别是一种常见的深度学习应用。下面是一个简单的基于CNN的图片识别的例子:
```python
# 导入必要的库
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
# 加载数据集
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
# 数据预处理
x_train = x_train.reshape(-1, 28, 28, 1).astype("float32") / 255.0
x_test = x_test.reshape(-1, 28, 28, 1).astype("float32") / 255.0
# 构建模型
model = keras.Sequential(
[
layers.Conv2D(32, (3, 3), activation="relu", input_shape=(28, 28, 1)),
layers.MaxPooling2D(pool_size=(2, 2)),
layers.Conv2D(64, (3, 3), activation="relu"),
layers.MaxPooling2D(pool_size=(2, 2)),
layers.Flatten(),
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, batch_size=64, epochs=5, validation_split=0.1)
# 评估模型
model.evaluate(x_test, y_test, batch_size=64)
# 使用模型进行预测
predictions = model.predict(x_test[:10])
print(predictions.argmax(axis=1))
```
上述代码使用了MNIST数据集,该数据集包含了手写数字的图片。模型的结构包括两个卷积层和两个池化层,最后通过全连接层输出预测结果。在训练完成后,我们可以使用模型对新的手写数字图片进行预测。
阅读全文