提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
提示 面对水果识别系统Python,基于TensorFlow卷积神经网络算---深度学习算法:
提示:以下是本篇文章正文内容,下面案例可供参考
一、项目含义背景
果蔬识别系统,使用Python作为主要开发语言,使用深度学习 TensorFLOw框架,Django框架,搭建卷积神经网络算法,并通过对数据进行训练,最后得到一个识别精度较高的模型,并且使用网站网页端操作平台,实现用户上传一张图片识别。
二、数据集
1:使用的是CIFAR-10数据集, 包含10个类别的60000张像素的彩色图像集。
三、读取数据——预处理
1:读取数据
代码如下(示例):
- 导入 pathlib-----pathlib 模块提供了表示文件系统路径的类,可适用于不同的操作系统。使用 pathlib 模块,相比于 os 模块可以写出更简洁,易读的代码。
import pathlib
data_dir = "./dataset/"
data_dir = pathlib.Path(data_dir)
image_count = len(list(data_dir.glob('*/*')))
print("图片总数为:",image_count)
2.数据处理调配
batch_size = 12
img_height = 224
img_width = 224
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
data_dir,
validation_split=0.2,
subset="training",
seed=12,
image_size=(img_height, img_width),
batch_size=batch_size)
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
data_dir,
validation_split=0.2,
subset="validation"