深度学习------tensorflow2.0，keras实现卷积神经网络（mnist、cifar2,cifar10:GoogleNet-22）

小飞龙程序员

已于 2022-03-18 10:50:25 修改

阅读量530

点赞数

分类专栏：深度学习文章标签： keras 深度学习 cnn

于 2022-02-26 22:20:02 首次发布

本文链接：https://blog.csdn.net/m0_47405013/article/details/123150380

版权

深度学习专栏收录该内容

42 篇文章 2 订阅 ¥99.90 ¥299.90

订阅专栏

超级会员免费看

本文介绍了使用Keras实现的GoogleNet-22卷积神经网络，详细探讨了其在网络结构、应用于MNIST、CIFAR10和CIFAR2数据集上的实践，并总结了卷积神经网络的发展，从LeNet到ResNet的演进。

摘要由CSDN通过智能技术生成

1. GoogleNet-22

GoogleNet采用9个Inception模块化的结构，共22层，除了最后一层的输出，其中间结点的分类效果也很好。还使用了辅助类结点（auxiliary classifiers），将中间某一层的输出用作分类，并按一个较小的权重加到最终分类结果中。这样相当于做了模型融合，同时给网络增加了反向传播的梯度信号，也提供了额外的正则化，对于整个网络的训练大有益处。下图是网络的结构图：
在这里插入图片描述

2. googleNet-22卷积神经网络(mnist)

# 1.	使用tensorflow2.0+inceptionnet完成minist数据集处理
import tensorflow as tf
import numpy

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

小飞龙程序员

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

订阅专栏

深度学习------tensorflow2.0，keras实现卷积神经网络（LeNet-5、AlexNet-8、VGGNet-16）

m0_47405013的博客

02-26

793

1. leNet-5卷积神经网络实现mnist数据集方法一： from tensorflow.keras import layers,models,metrics,optimizers,activations,losses,utils from tensorflow.keras.layers import Conv2D,MaxPooling2D,Dense,Dropout,BatchNormalization,Flatten from tensorflow.keras.utils import to_ca

用Tensorflow2搭建经典的卷积神经网络（LeNet,AlexNet,VGG16,ResNet50）

QianLong_的博客

06-18

1412

最近看了卷积神经网络的一些经典论文，用Tensorflow2进行了复现，其中包括LeNet,AlexNet,VGG16,ResNet50,并且在数据集上进行了测试，能够正常训练，结果表明搭建的没有问题。下面进入正题： import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers import numpy as np import matplotlib.pyplot as plt %matpl

参与评论您还未登录，请先登录后发表或查看评论

TensorFlow 2.0 模型：卷积神经网络

weixin_40920183的博客

10-14

493

文 /李锡涵，Google Developers Expert本文节选自《简单粗暴 TensorFlow 2.0》本篇文章则以在图像领域常用的卷积神经网络为主题，介绍以下内容：如何使...

TensorFlow 2.0 模型：卷积神经网络

zkbaba的博客

09-23

2889

在上一篇文章里，我们以多层感知机（Multilayer Perceptron）为例，总体介绍了 TensorFlow 2.0 的模型构建、训练、评估全流程。本篇文章则以在图像领域常用的卷积神经网络为主题，介绍以下内容：如何使用 tf.keras 构建卷积神经网络模型；如何在自己的项目中快速载入并使用经典的卷积神经网络模型；为深度学习的入门者简介卷积层和池化层的原理。使用 tf...

基于tensorflow2实现卷积神经网络

ZhouQiYoung的博客

04-25

1109

利用tensorflow2中的api实现一个简单的卷积神经网络，完成梯度下降的操作并绘制训练集和测试集准确率曲线。数据分布：训练集数量为209，测试集数量为50 import numpy as np import matplotlib.pyplot as plt import tensorflow as tf from tensorflow import keras from tensorflo...

tensorflow2.0(二)----卷积神经网络(CNN)

weixin_43648821的博客

12-01

393

使用Keras实现卷积神经网络 class CNN(tf.keras.Model): def __init__(self): super().__init__() self.conv1 = tf.keras.layers.Conv2D( filters = 32, kernel_size=[5,5], padding = 'same', activation = tf.nn.relu) self.pool1 = tf.keras.layers.MaxPool2D(poo

使用TensorFlow 2.0+和Keras实现AlexNet CNN架构

weixin_26752765的博客

09-05

1964

技术 (Technical) 介绍 (Introduction) The main content of this article will present how the AlexNet Convolutional Neural Network(CNN) architecture is implemented using TensorFlow and Keras. 本文的主要内容将介绍如何使...

【TensorFlow2 之014】在 TF 2.0 中实现 LeNet-5

最新发布

gongdiwudu的专栏

10-12

5610

在这篇文章中，我们将展示如何在 TensorFlow 中实现像 \(LeNet-5\) 这样的基础卷积神经网络。LeNet-5 架构由 Yann LeCun 于 1998 年发明，是第一个卷积神经网络。

Tensorflow2.0 利用卷积神经网络实现简单的验证码识别

qq_43762574的博客

03-20

2175

原文地址 0x01 验证码生成及预处理验证码的内容是10个数字0~9，小写英文字母和大写英文字母，所以总的字符量为62种 number = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9'] alphabet = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', '...

python用TensorFlow 2二维卷积神经网络CNN对图像物体识别混淆矩阵评估

大数据部落

04-18

2285

原文链接：http://tecdat.cn/?p=26230 原文出处：拓端数据部落公众号什么是CNN 本文演示了如何训练一个简单的卷积神经网络 (CNN) 来对图像进行分类。 ConvolutionalNeuralNetworks（ConvNets 或 CNNs）是一类神经网络，已被证明在图像识别和分类等领域非常有效。与传统的多层感知器架构不同，它使用两个称为convolution和pooling的操作将图像简化为其基本特征，并使用这些特征来理解和分类图像。 C......

tensorflow2.0使用卷积神经网络实现MNIST

weixin_39302840的博客

09-15

340

# -*- coding: utf-8 -*- """ Spyder Editor This is a temporary script file. """ import numpy as np #导入数据，下面地址为自己保存的MNIST数据集地址 def load_data(path='D:/360Downloads/python/mnist.npz'): f = np.load(path) x_train, y_train = f['x_train'], f['y_train'] ...

Tensorflow2.0 卷积神经网络

Xpy_021101的博客

03-02

286

3层神经网络，括号中的第一个参数表示神经元的数量，最后一个有10个单元，因为数据集中有10类标签，这里应该匹配，第一层是一个扁平层输入的形状是28x28，因为我们的图像就是28x28，扁平化是将这个28x28的正方形变成一个简单的线性阵列，中间一层是隐藏层有128个神经元。conv卷积层，要求Keras为我们生成64个过滤器，过滤器是3x3，激活函数是Relu，意味着负值会被丢弃，最后输入形状和之前一样为28x28，通道是1，即灰度图像。优化器是sgd，代表随机梯度下降，损失函数是均方误差。

TensorFlow2.0 卷积神经网络CNN预测sin函数

scueee的博客

03-01

831

以sin函数为例，使用CNN预测时间序列数据代码 # CNN import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense,Flatten,Reshape,Dropout,Activation from tensorflow.keras.layers import Conv2D,MaxPooling2D from tensorflow.ker

TensorFlow 2.0 笔记（七）—— 卷积神经网络

随笔

09-27

728

Feature maps

LeNet5卷积神经网络--TensorFlow2

一只AI小白

04-14

411

LeNet5卷积神经网络--TensorFlow2结果展示loss和acc曲线图参数数量程序结果展示 acc = 89.36% loss和acc曲线图参数数量程序 # -*- coding: utf-8 -*- """ Created on Tue Apr 14 09:37:09 2020 @author: jiollos """ # 导入包 import tensorflow as ...

TensorFlow——卷积神经网络（二）

Sam's blog

10-04

158

1、卷积 import cv2 import numpy as np import tensorflow as tf # 读入灰度图片 img = cv2.imread('./img/Lenna.jpg', 0) # 显示原图 cv2.imshow('yuantu', img) # 设置不同卷积核初值 # kernel = np.array(([-1, -1, -1], [-1, 9, -1], [-1, -1, -1]), dtype=np.float32) # kernel = np.array

tensorflow2~使用卷积神经网络进行深度学习

小姑仔的博客

08-15

488

使用卷积神经网络进行深度学习与前面的深度学习的最大的区别就在于神经网络层数多了几层，这里通过代码实例对于神经网络进行分析 import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers, optimizers, datasets import numpy as np mnist

VGG16卷积神经网络--TensorFlow2

一只AI小白

04-14

751

VGG16卷积神经网络--TensorFlow2结果展示loss和acc曲线计算参数程序结果展示 loss和acc曲线 epoch = 10 acc = 90.02% 计算参数程序 # -*- coding: utf-8 -*- """ Created on Tue Apr 14 2020 @author: jiollos """ # 导入包 import tensorflow as tf...

Tensorflow实战：卷积神经网络CIFAR-10训练详解

"Tensorflow学习实战教程，通过CIFAR-10数据集训练卷积神经网络（CNN），涵盖数据预处理、模型构建、优化器选择、损失函数与超参数设置、模型保存与加载以及结果可视化等核心环节。" 在本文中，我们将探讨使用...