(1)训练模型
数据集:采用TensorFlow2.3的TensorFlow-datasets内置的mnist数据集 ,必须是2.1版本。
pip install Tensorflow_datasets==2.1
神经网络:全连接
损失函数:分类交叉熵
优化器:Adam
评价准则:准确率
Epochs:100
(2)测试模型
测试集:采用TensorFlow2.3的TensorFlow-datasets内置的mnist数据集,形状改为28*28
(3)环境
Python 3.8
TensorFlow 2.3
Tensorflow_datasets 2.1
scipy
numpy
PIL
matplotlib
scipy
(1)训练模型
数据集:采用kaggle公开的猫狗数据集,文件名称是cat..jpg或dog..jpg 。下载地址
神经网络:卷积神经网络
损失函数:分类交叉熵
优化器:Adam
评价准则:准确率
Epochs:100
(2)测试模型
测试集:采用kaggle公开的猫狗测试集,没有标签
(3)环境
python 3.8
Tensorflow 2.3
numpy
pandas
matplotlib
cv2
(4)运行步骤
- 第一步下载数据集,解压后,把train和test放到和train.py同一级目录
- 运行data_classify.py文件,自动归类cat和dog图片,为训练模型做准备
- 运行train.py。输入1 是训练模型,输入2是测试模型