【keras】cifar10数据集实现

最新推荐文章于 2024-08-01 14:05:32 发布

行者无疆兮

最新推荐文章于 2024-08-01 14:05:32 发布

阅读量1.7k

点赞数

分类专栏：计算机视觉深度学习文章标签： cifar10

本文链接：https://blog.csdn.net/qq_30159015/article/details/81709079

版权

本文详细介绍了如何利用Keras深度学习框架，对CIFAR-10数据集进行预处理、构建卷积神经网络模型，并进行训练与评估，以实现图像分类任务。

摘要由CSDN通过智能技术生成

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Time: 2018/8/15
# @Author: xfLi
#file: keras_CIFAR10_V1.py
#cifar10数据集的实现由3个文件组成：
# cifar10_architecture.json， keras_CIFAR10_V1.py， keras_EvaluateCIFAR10.py

from keras.datasets import cifar10
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation, Flatten
from keras.layers.convolutional import Conv2D, MaxPooling2D
from keras.optimizers import SGD, Adam, RMSprop
from keras.preprocessing.image import ImageDataGenerator


IMG_CHANNEL = 3
IMG_WIDTH = 32
IMG_HEIGHT = 32
BATCH_SIZE = 128
NB_EPOCH = 20
NB_CLASSES = 10
VERBOSE = 1
VALIDATTION_SPLIT = 0.2
OPTIM = RMSprop()

(x_train, y_train), (x_test, y_test) = cifar10.load_data()
print('x_train shape:', x_train.shape)
print(x_train.shape[0], 'train samples')
print(x_test.shape[0], 'test s