python 卷积神经网络猫狗大战_Keras猫狗大战四：数据增强+添加dropout层，精度达83%...

版权声明：本文为博主原创文章，欢迎转载，并请注明出处。联系方式：460356155@qq.com

对数据量较少的深度学习，为了避免过拟合，可以对训练数据进行增强及添加Dropout层。

对训练数据进行变换增强：

train_datagen =ImageDataGenerator(

rescale=1. / 255,

rotation_range=40,

width_shift_range=0.2,

height_shift_range=0.2,

shear_range=0.2,

zoom_range=0.2,

horizontal_flip=True, )

训练模型添加Dropout层：

model =models.Sequential()#输出图片尺寸：150-3+1=148*148，参数数量：32*3*3*3+32=896

model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3)))

model.add(layers.MaxPooling2D((2, 2))) #输出图片尺寸：148/2=74*74

#输出图片尺寸：74-3+1=72*72，参数数量：64*3*3*32+64=18496

model.add(layers.Conv2D(64, (3, 3), activation='relu'))<