gbhhshh的博客

- **🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/xLjALoOD8HPZcH563En8bQ) 中的学习记录博客**>- ** 参考文章：365天深度学习训练营-第5周：运动鞋品牌识别（训练营内部成员可读）**>- **🍖 原作者：[K同学啊](https://mp.weixin.qq.com/s/xLjALoOD8HPZcH563En8bQ)**

本文使用VGG网络进行实现，根据上图可知模型效果还不错，通过这次浅浅的尝试发现VGG网络效果不错，可以将其用在过往的天气识别、彩色图片识别、好莱坞识别中进行效果改善，这也是对比实验，但未来如果要探索深度神经网络我们需要一定的算力才行，切需要学习绘制网络的结构，本文缺少绘制网络的结果，将在下周补上。

通过本周的明星识别，深度学习是有趣的，但是我的实验还是有不足，也欢迎大家进行指正，我的模型出现了过拟合的现象，这是因为我没有进行参数调整，我回去寻找原因调整相关的参数，加油！

- **🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/xLjALoOD8HPZcH563En8bQ) 中的学习记录博客**>- **🍖 原作者：[K同学啊](https://mp.weixin.qq.com/s/xLjALoOD8HPZcH563En8bQ)**本文基于CNN进行运动品牌的识别，但效果并不理想，原因在于我为进行参数调整，作者将在工作之余进行调整，如果期待小贵哦，敬请期待！加载数据到tensorflow的dataset中。

进行模型训练结果的可视化结果如下:观察上述结果可以发现，在训练批次为8左右模型的训练结果尚好，验证集的准确率在不断增加， 训练集尽管他的准确率还在提高，但在20以后验证集准确率趋于稳定，尽管越到后面的训练批次模型的准确率在不断升高，但实际已经发生了模型在训练集上的过拟合。

基于本次的实操，CNN卷积神经网络的效果十分明显，计算机视觉是有趣的，本文中出现的模型过拟合问题源于搭建的算法模型过于简单，建议增多，一部分原因也是数据集较少的缘故造成的，基于此，计算机视觉需要大量的数据作为支撑来进行探索，个人建议如果你选择计算机视觉的话，要做好算力和数据集的准备。写作不易，还望理解！

本人彩色图片的识别之后，我们可以看到搭建的CNN网络过于简单，我建议大家可以搭建更加复杂的或者使用更加复杂得网络进行图片识别，本实验准确率不是很高，有待提升,大家也可以使用更加复杂得或者其他网络进行实验发现idea。

上述的模型准确率还是不错的，训练了20个批次，用时间换来了一点准确率的提高。当然，深度学习包含卷积神经网络和循环神经网络，一些著名的网络结构非常值得学习和研究。你也可以使用其他的网结构来进行手写数字识别，也可以自己尝试着搭建网络。