CNN飞机识别-基于paddlepaddle高级API（附详细代码讲解）

前言

在使用paddlepaddle实战完手写数字集识别后，开始了新的一轮实战-飞机识别。

与之前不同的是，这次的项目使用更加高级的框架api接口，代码集成度更高，但是同样的也出现了一个问题，课程中并没有对这些api进行讲解。

我花了两个多小时，通过查看源代码，终于搞清楚了这些api。下面，我们分享给大家！

CNN飞机识别网络结构

数据集以及项目说明

本项目共有7897张图像，其中训练集5897张，测试集2000张图像，每幅图像的大小是32*32，形状是(32,32,3)

本次项目是百度官方视频七天入门深度学习中的 day2.
课程链接：Day 2 实战——飞机识别

代码解析

1. 加载数据

testdata_orgin = np.load('data/plane/testdata.npy')
testlabel_orgin=np.load('data/plane/testlabel.npy')
traindata_orgin = np.load('data/plane/traindata.npy')
trainlabel_orgin=np.load('data/plane/trainlabel.npy')

返回的数组形状：
testdata_orgin.shape==(2000, 32, 32, 3)
testlabel_orgin==(2000, 1)
traindata_orgin==(5897, 32, 32, 3)
trainlabel_orgin==(5897, 1)
2. 转换数据格式

testdata = np.array(testdata_orgin).reshape(2000,3,32,32).astype(np.float32)
traindata = np.array(traindata_orgin).reshape(5897,3,32,32).astype(np.float32)
testlabel = np.array(testlabel_orgin).reshape(2000,1).astype(np.float32)
trainlabel_orgin = np.array(trainlabel_orgin).reshape(5897,1).astype(np.float32)

由于在模型中，要求形状为(通道,宽,高),所以，这里需要对原数据进行格式上的转换。

3. 数据归一化

testdata = 2*testdata/255.0-1.0
traindata = 2*traindata/255.0-1.0

图片归一化，使图片中的每一个数在区间[-1,1]之间。这是在我们进行图象分类任务必须进行的操作，有利于提高我们程序执行速度和模型精准度。

4. 构造数据生成器

def dataset(data,label,buf_size):#这里bufsize是产生数据的个数
    def reader():
        for i in range(buf_size):