深度学习2.0-31.CIFAR100与VGG13实战

最新推荐文章于 2022-06-05 12:58:18 发布

哎呦-_-不错

最新推荐文章于 2022-06-05 12:58:18 发布

阅读量239

点赞数 1

文章标签： tensorflow 深度学习神经网络 CIFAR100

本BLOG上原创文章未经本人许可，不得用于商业用途，转载请注明出处。

本文链接：https://blog.csdn.net/weixin_46649052/article/details/109024674

版权

本文介绍了CIFAR100数据集的实战应用，并结合深度学习模型VGG13进行了详细的解析。通过实例展示了如何利用TensorFlow进行模型训练，探讨了在图像分类任务中VGG13模型的表现。

摘要由CSDN通过智能技术生成

文章目录

- - 1.介绍
  - 2.CIFAR100实战

1.介绍

在这里插入图片描述

2.CIFAR100实战

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

# 解决了UnknownError: Failed to get convolution algorithm. This is probably 
# because cuDNN failed to initialize, so try looking to see if a warning log
#  message was printed above. [Op:Conv2D]
from tensorflow.compat.v1 import ConfigProto
from tensorflow.compat.v1 import InteractiveSession
config = ConfigProto()
config.gpu_options.allow_growth = True
session = InteractiveSession(config=config)

# 10层的卷积与3层的全连接层
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers,optimizers,datasets,Sequential

tf.random.set_seed(2345)


# 组建Sequential的list
conv_layers = [# 5 units of conv + max pooling
    # unit 1
    layers.Conv2D(64,kernel_size=[3,3],padding='same',activation=tf.nn.relu),
    layers.Conv2D(64,kernel_size=[3,3],padding='same',activation=tf.nn.relu),
    layers.MaxPool2D(pool_size=[2,2],strides=2,padding='same'),
    # unit 2
    layers.Conv2D(128,kernel_size=[3,3],padding='same',activation=tf.nn.relu),
    layers.Conv2D(128,kernel_size=[3,3