深度学习 音乐分类_深度学习解决图像分类的问题

前言

深度学习在计算机视觉领域全面超过了传统的机器学习，利用kaggle的Digit Recognizer竞赛来介绍卷积神经网络识别手写数字的基本思路。

数据集

MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片，它也包含每一张图片对应的标签，告诉我们这个是数字几。

MNIST数据集

创建CNN模型

深度学习解决图像分类问题的基本模型：

• Covolution Layer：卷积层
• Pooling Layer：池化层
• Fully Connected Layer：全连接层

def VGG16():
    input = Input(shape=(28, 28, 1))

    x = Conv2D(64, (3, 3))(input)
    x = Conv2D(64, (3, 3))(x)
    x = MaxPooling2D(pool_size=(2,2), strides=(2, 2))(x)

    x = Conv2D(128, (3, 3), activation='relu', padding='same')(x)
    x = Conv2D(128, (3, 3), activation='relu', padding='same')(x)
    x = MaxPooling2D(pool_size=(2,2), strides=(2, 2))(x)

    x = Conv2D(256, (3, 3), activation='relu', padding='same')(x)
    x = Conv2D(256, (3, 3), activation='relu', padding='same')(x)
    x = Conv2D(256, (3, 3), activation='relu', padding='same')(x)
    x = MaxPooling2D(pool_size=(2,2), strides=(2, 2))(x)

    x = Conv2D(512, (3, 3), activation='relu', padding='same')(x)
    x = Conv2D(512, (3, 3), activation='relu', padding='same')(x)
    x = Conv2D(512, (3, 3), activation='relu', padding='same')(x)    #x = MaxPooling2D(pool_size=(2,2), strides=(2, 2))(x)

    #x = Conv2D(512, (3, 3), activation='relu', padding='same')(x)
    #x = Conv2D(512, (3, 3), activation='relu', padding='same')(x)
    #x = Conv2D(512, (3, 3), activation='relu', padding='same')(x)    

    # 展开像素
    x = Flatten()(x)    #x = Dense(4096, activation='relu')(x)
    #x = Dense(4096, activation='relu')(x)
    x = Dense(2048, activation='relu')(x)
    x = Dense(1000, activation='relu')(x)
    output = Dense(10, activation='softmax')(x)

    cnn_model = Model(input, output)    return cnn_model

上面的代码用Keras实现的CNN模型，这个模型结构是参考了VGG16的模型。（把注释去掉就是完整的VGG16模型，我因为笔记本显存只有2G跑不动，所以简化了网络。）

VGG16模型

结果

最后，用表现最好的模型进行预测，并提交到Kaggle。当然喽，成绩很低，有计算资源的可以试试把注释去掉，应该会有一定的提高。

欢迎关注微信公众号：kaggle数据分析，也可以加我们的群，一起打比赛。