水果识别系统Python，基于TensorFlow卷积神经网络算法

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）：

1. 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"