keras实现图像识别—cat

最新推荐文章于 2024-08-09 07:01:19 发布

SIAT_啊哦

最新推荐文章于 2024-08-09 07:01:19 发布

阅读量3.2k

点赞数 2

分类专栏：深度学习文章标签： keras 卷积层池化层全连接层过拟合

本文链接：https://blog.csdn.net/etf6996/article/details/97620737

版权

使用Keras设计的神经网络进行猫的图像识别，模型包含卷积层、池化层和全连接层。由于训练数据量小，导致模型在测试集上出现严重过拟合，准确率为74%。通过添加L2正则项来缓解过拟合，测试集准确率提升至86%。

摘要由CSDN通过智能技术生成

目的：识别图片中是否有猫
训练集x_train（209,64,64,3）,y_train(209,)
测试集x_test（50,64,64,3），y_test(50,)

设计的神经网络结构图如下：
卷积层——池化层——卷积层——池化层——卷积层——池化层——平铺展开——全连接层——全连接层——全连接层
在这里插入图片描述

获取数据

# coding: utf-8
# 2019/7/28 19:23
import h5py
import numpy as np
def get_train():
    f = h5py.File('dataset/train_catvnoncat.h5','r')
    x_train = np.array(f['train_set_x'])#训练集数据  将数据转化为np.array
    y_train = np.array(f['train_set_y'])#训练集标签
    return x_train,y_train
def get_test():
    f = h5py.File('dataset/test_catvnoncat.h5', 'r')
    x_test = np.array(f['test_set_x'])#测试集数据  将数据转化为np.array
    y_test = np.array(f['test_set_y'])#测试集标签
    return x_test,y_test

def preprocess(X):
    #将X标准化，从0-255变成0-1
    X =X / 255
    return X


if __name__ == '__main__':
    x1,y1 = get_train()
    x2,y2 = get_test()
    print(x1.shape,y1.shape)
    print(x2.shape,y2.shape)