微信公众号:龙跃十二
我是小玉,一个平平无奇的小天才!
关于猫狗识别是机器学习和深度学习的一个经典实例,下来小玉把自己做的基于CNN卷积神经网络利用Tensorflow框架进行猫狗的识别的程序和注释都分享给大家,源码我放在了GitHub上,欢迎star🌟!
悄悄说,github上出了源码详解还有思维导图,答辩PPT,赶快去star!
https://github.com/ixiaoyu-tech/xiaoyu-project
在前边的文章中,我们已经对数据集做了相关处理,接下来利用卷积神经网络进行了模型的构建,接下来就要进行到整个项目最核心的部分,对模型进行训练,这也是为我们在做图像的识别时做的最重要的一步了,接下来我们看看在模型训练中可能遇到的问题。
文件名:train.py
模块的导入:
import os
import numpy as np
import tensorflow as tf
import input_data
import model
相关参数的定义:
N_CLASSES = 2 # 二分类问题,两个输出神经元,即0,1
IMG_W = 208 #图片的宽度
IMG_H = 208 #图片的高度
BATCH_SIZE = 16 #批次大小
CAPACITY = 2000 # 队列最大容量2000
MAX_STEP = 5000 #最大训练步骤
learning_rate = 0.0001 #学习率
学习率的设置对于整个模型的训练来说至关重要,学习率过大会导致识别率曲线不收敛,过小也会浪费识别时间,占用空间,所以合适的学习率的选择非常重要。
开始模型的训练:
def run_training():
"""
##1.数据的处理
"""
# 训练图片路径
train_dir