CIFAR100-卷积神经网络训练脚本

from tensorflow.python.keras.datasets import cifar100
from tensorflow.python import keras
import tensorflow as tf


class CNNMnist(object):
    def __init__(self):
        self.model = keras.models.Sequential([
            keras.layers.Conv2D(32, kernel_size=5, strides=1, padding='same', data_format='channels_last',
                                activation=tf.nn.relu),
            keras.layers.MaxPool2D(pool_size=2, strides=2, padding="same"),
            keras.layers.Conv2D(32, kernel_size=5, strides=1, padding='same', data_format='channels_last',
                                activation=tf.nn.relu),
            keras.layers.MaxPool2D(pool_size=2, strides=2, padding="same"),
            keras.layers.Flatten(),
            keras.layers.Dense(1024, activation=tf.nn.relu),
            keras.layers.Dense(100, activation=tf.nn.softmax)
        ])
        (self.x_train, self.y_train), (self.x_test, self.y_test) = cifar100.load_data()
        self.x_train = self.x_train / 255.0
        self.x_test = self.x_test / 255.0

    def compile(self):
        self.model.compile(optimizer=keras.optimizers.Adam(), loss=keras.losses.sparse_categorical_crossentropy,
                           metrics=['accuracy'])

    def fit(self):
        self.model.fit(self.x_train, self.y_train, epochs=1)
        return None

    def evaluate(self):
        test_loss, test_acc = self.model.evaluate(self.x_test, self.y_test)
        print(test_loss, test_acc)
        return None


if __name__ == '__main__':
    cnn = CNNMnist()
    cnn.compile()
    cnn.fit()

不知道为啥,使用CPU训练很慢,迭代一轮,精确率比较低,后面改用GPU试试

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值