七、VGG实现鸟类数据库分类
2021/11/28 19:12:04
本文主要是介绍七、VGG实现鸟类数据库分类,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
目录- 前文
- 加利福尼亚理工学院鸟类数据库分类
- 数据生成器
- 图像显示
- VGG模型构建
- VGG模型编译与拟合
- 注意:
- GitHub下载地址:
前文
- 一、Windows系统下安装Tensorflow2.x(2.6)
- 二、深度学习-读取数据
- 三、Tensorflow图像处理预算
- 四、线性回归模型的tensorflow实现
- 五、深度学习-逻辑回归模型
- 六、AlexNet实现中文字体识别——隶书和行楷
加利福尼亚理工学院鸟类数据库分类
数据生成器
from keras.preprocessing.image import ImageDataGenerator IMSIZE = 224 train_generator = ImageDataGenerator(rescale=1. / 255).flow_from_directory('../../data/data_vgg/train', target_size=(IMSIZE, IMSIZE), batch_size=20, class_mode='categorical' ) validation_generator = ImageDataGenerator(rescale=1. / 255).flow_from_directory('../../data/data_vgg/test', target_size=(IMSIZE, IMSIZE), batch_size=20, class_mode='categorical' ) )
图像显示
from matplotlib import pyplot as plt plt.figure() fig, ax = plt.subplots(2, 5) fig.set_figheight(6) fig.set_figwidth(15) ax = ax.flatten() X, Y = next(validation_generator) for i in range(15): ax[i].imshow(X[i, :, :, ])
VGG模型构建
from keras.layers import Conv2D, MaxPooling2D from keras.layers import Flatten, Dense, Input, Activation from keras import Model from keras.layers import GlobalAveragePooling2D input_shape = (IMSIZE, IMSIZE, 3) input_layer = Input(input_shape) x = input_layer x = Conv2D(64, [3, 3], padding="same", activation='relu')(x) x = Conv2D(64, [3, 3], padding="same", activation='relu')(x) x = MaxPooling2D((2, 2))(x) x = Conv2D(128, [3, 3], padding="same", activation='relu')(x) x = Conv2D(128, [3, 3], padding="same", activation='relu')(x) x = Conv2D(128, [3, 3], padding="same", activation='relu')(x) x = MaxPooling2D((2, 2))(x) x = Conv2D(256, [3, 3], padding="same", activation='relu')(x) x = Conv2D(256, [3, 3], padding="same", activation='relu')(x) x = Conv2D(256, [3, 3], padding="same", activation='relu')(x) x = MaxPooling2D((2, 2))(x) x = Conv2D(512, [3, 3], padding="same", activation='relu')(x) x = Conv2D(512, [3, 3], padding="same", activation='relu')(x) x = Conv2D(512, [3, 3], padding="same", activation='relu')(x) x = MaxPooling2D((2, 2))(x) x = Conv2D(512, [3, 3], padding="same", activation='relu')(x) x = Conv2D(512, [3, 3], padding="same", activation='relu')(x) x = Conv2D(512, [3, 3], padding="same", activation='relu')(x) x = MaxPooling2D((2, 2))(x) x = GlobalAveragePooling2D()(x) x = Dense(315)(x) x = Activation('softmax')(x) output_layer = x model_vgg16 = Model(input_layer, output_layer) model_vgg16.summary()
VGG模型编译与拟合
from keras.optimizers import Adam model_vgg16.compile(loss='categorical_crossentropy', optimizer=Adam(lr=0.001), metrics=['accuracy']) model_vgg16.fit_generator(train_generator, epochs=20, validation_data=validation_generator)
注意:
因为自己是使用tensorflow-GPU版本,自己电脑是1050Ti,4G显存。实际运行时候batch_size设置不到15大小,太大了就显存资源不足。
但是batch_size太小,总的数据集较大较多,所以最后消耗时间就较长。
所以为了效率和烧显卡,请酌情考虑
数据集来源:kaggle平台315种鸟类:315 Bird Species - Classification | Kaggle
GitHub下载地址:
Tensorflow1.15深度学习
这篇关于七、VGG实现鸟类数据库分类的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-07-04TiDB 资源管控的对撞测试以及最佳实践架构
- 2024-07-03万字长文聊聊Web3的组成架构
- 2024-07-02springboot项目无法注册到nacos-icode9专业技术文章分享
- 2024-06-26结对编程到底难不难?答案在这里
- 2024-06-19《2023版Java工程师》课程升级公告
- 2024-06-15matplotlib作图不显示3D图,怎么办?
- 2024-06-1503-Loki 日志监控
- 2024-06-1504-让LLM理解知识 -Prompt
- 2024-06-05做软件测试需要懂代码吗?
- 2024-06-0514-ShardingSphere的分布式主键实现