“花朵分类“ 手把手搭建【卷积神经网络】

前言

本文介绍卷积神经网络的入门案例，通过搭建和训练一个模型，来对几种常见的花朵进行识别分类；

使用到TF的花朵数据集，它包含5类，即：“雏菊”，“蒲公英”，“玫瑰”，“向日葵”，“郁金香”；共 3670 张彩色图片；通过搭建和训练卷积神经网络模型，对图像进行分类，能识别出图像是“蒲公英”，或“玫瑰”，还是其它。

本篇文章主要的意义是带大家熟悉卷积神经网络的开发流程，包括数据集处理、搭建模型、训练模型、使用模型等；更重要的是解在训练模型时遇到“过拟合”，如何解决这个问题，从而得到“泛化”更好的模型。

卷积神经网络 概念认识：一篇文章“简单”认识《卷积神经网络》(更新版)

卷积神经网络 简单模型搭建：手把手搭建一个【卷积神经网络】

思路流程

1. 导入数据集
2. 探索集数据，并进行数据预处理
3. 构建模型（搭建神经网络结构、编译模型）
4. 训练模型（把数据输入模型、评估准确性、作出预测、验证预测）  
5. 使用训练好的模型
6. 优化模型、重新构建模型、训练模型、使用模型

目录

一、导入数据集

二、探索集数据，并进行数据预处理

三、构建模型

四、训练模型

五、使用模型

六、优化模型、重新构建模型、训练模型、使用模型

过拟合

数据增强</