![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow
文章平均质量分 89
Tooii
这个作者很懒,什么都没留下…
展开
-
基于tensorflow的咖啡豆识别
在本次咖啡豆识别项目中,我们通过设置GPU、导入并预处理数据、构建深度学习模型,以及对模型进行训练和评估,实现了对咖啡豆图像的自动识别。整个过程涵盖了数据加载与可视化、数据集配置、模型构建与优化等关键步骤,最终显著提升了图像分类的准确性,同时也加深了我们对深度学习技术的实践理解。关于卷积的相关知识可以参考文章:https://mtyjkh.blog.csdn.net/article/details/114278995。在准备对模型进行训练之前,还需要再对其进行一些设置。方法将磁盘中的数据加载到。原创 2024-05-28 09:34:25 · 2393 阅读 · 2 评论 -
基于tensorflow的猫狗识别
通过本次实践,我对使用TensorFlow进行深度学习图像分类任务有了更深入的理解。从设置GPU资源、导入和预处理数据,到构建、训练和评估VGG-16网络模型,整个过程让我对深度学习的工作流程有了更加清晰的认识。在准备对模型进行训练之前,还需要再对其进行一些设置。方法将磁盘中的数据加载到。原创 2024-05-22 10:46:36 · 491 阅读 · 0 评论 -
基于tensorflow的好莱坞明星识别
卷积神经网络(CNN)的输入是张量 (Tensor) 形式的 (image_height, image_width, color_channels),包含了图像高度、宽度及颜色信息。我学会了如何高效利用GPU资源,掌握了数据集的加载和预处理技巧,以及如何通过调整卷积神经网络的结构和参数来提升模型性能。关于EarlyStopping()的详细介绍可参考文章:https://blog.csdn.net/qq_38251616/article/details/122319538。:损失函数的计算方式。原创 2024-05-08 10:15:30 · 588 阅读 · 0 评论 -
基于tensorflow的运动鞋品牌识别
在完成运动鞋品牌识别数据集的项目过程中,我获得了宝贵的实践经验和深刻的认识。首先,我学习了如何使用TensorFlow和Keras框架进行深度学习模型的构建和训练,包括设置GPU、导入和预处理数据、构建卷积神经网络(CNN)、配置动态学习率以及模型训练和评估的整个流程。最后,通过绘制训练和验证的损失与准确率图表,我学会了如何直观地评估模型的表现,并根据这些图表对模型进行进一步的调整和优化。整个项目不仅加深了我对深度学习理论的理解,也锻炼了我的实践技能,为我日后在人工智能领域的研究和工作打下了坚实的基础。原创 2024-05-01 20:06:17 · 1713 阅读 · 0 评论 -
基于tensorflow的猴痘病识别
通过学习不仅加深了对深度学习中图像识别任务的理解,而且通过实践掌握了如何使用TensorFlow和Keras框架来构建和训练CNN模型。此外,对于数据预处理、模型调参、以及模型评估等关键步骤有了更深入的认识,这些经验对于未来解决类似问题具有重要的参考价值。当加速器正在执行第 N 个训练步时,CPU 正在准备第 N+1 步的数据。这样做不仅可以最大限度地缩短训练的单步用时(而不是总用时),而且可以缩短提取和转换数据所需的时间。因此,训练所用的时间是 CPU 预处理时间和加速器训练时间的总和。原创 2024-04-25 21:43:23 · 983 阅读 · 0 评论 -
基于tensorflow的天气识别
卷积神经网络(CNN)的输入是张量 (Tensor) 形式的 (image_height, image_width, color_channels),包含了图像高度、宽度及颜色信息。通过学习构建卷积神经网络(CNN)进行图像分类任务的流程,包括数据预处理与加载、模型编译与训练、以及模型评估与可视化,我深入理解了CNN的架构和工作原理。这样做不仅可以最大限度地缩短训练的单步用时(而不是总用时),而且可以缩短提取和转换数据所需的时间。因此,训练所用的时间是 CPU 预处理时间和加速器训练时间的总和。原创 2024-04-17 11:58:43 · 854 阅读 · 0 评论 -
基于tensorflow的彩色图片分类
完成这个项目后,我对使用 TensorFlow 构建卷积神经网络(CNN)进行图像分类有了更深入的理解。通过设置GPU、导入数据、进行数据预处理、构建模型、编译并训练模型,以及对模型进行评估,我学会了整个深度学习模型的开发流程。通过这个实践,我不仅掌握了构建和训练CNN模型的技能,还对图像处理问题有了更深入的认识,这为我未来处理更复杂的图像任务奠定了基础。原创 2024-04-10 15:49:20 · 326 阅读 · 1 评论 -
基于tensorflow实现mnist手写数字识别
MNIST手写数字数据集来源于是美国国家标准与技术研究所,是著名的公开数据集之一。数据集中的数字图片是由250个不同职业的人纯手写绘制,数据集获取的网址为:http://yann.lecun.com/exdb/mnist/(下载后需解压)。我们一般会采用这行代码直接调用,这样就比较简单MNIST手写数字数据集中包含了70000张图片,其中60000张为训练数据,10000为测试数据,70000张图片均是28*28,数据集样本如下:如果我们把每一张图片中的像素转换为向量,则得到长度为28*28=784。原创 2024-04-03 14:56:34 · 752 阅读 · 1 评论