- 模型训练和评价
卷积神经网络的训练主要分为五个部分,分别是数据集的准备,进行神经网络训练一般是需要大量的数据集,并对数据集划分。然后是模型的配置,根据实际问题构建模型的各个部分。第三部分是模型的训练,将数据集放到构建好的模型中进行训练,并保存训练好的模型。第四部分是评价模型的训练结果,本模型是输出交叉熵和准确率,便于评估训练好的模型的性能。最后是利用模型对图片进行识别预测。
图3-1 模型训练的基本框架
3.1 数据集介绍
Cifar-10(80 Million Tiny Images)是由 Hinton 的学生 Alex Krizhevsky、Ilya Sutskever 收集的一个用于普适物体识别的计算机视觉数据集,它包含 60000 张 32 X 32 的 RGB 彩色图片,总共 10 个分类。其中,包括 50000 张用于训练集,10000 张用于测试集。
图3-1 数据集部分样本
3.2 数据集预处理
数据集除了需要划分为训练集和测试集外,还需要对图片信息进行处理。要对图像进行预处理。
首先将图片大小调整为32*32,接着将图像转换成一维向量,最后再对一维向量进行归一化处理。下图为程序代码。
图3-2 图片预处理程序
3.3 参数设置
表3-1 模型参数
参数名 |
参数值 |
训练用时 |
773.3s |
数据切分 |
0.8 |
卷积层数 |