首页 / 51CTO / 正文

用自己的数据构建一个简单的卷积神经网络

51CTO 2018-09-17 19:33:17

9月15日技术沙龙 | 与东华软件、AWS、京东金融、饿了么四位大咖探讨精准运维!

在本文中,我们将构建一个卷积神经网络,将对7种类型的数千个图像进行训练,即:鲜花,汽车,猫,马,人,自行车,狗,然后能够预测是否给定的图像是猫,狗或人。

用自己的数据构建一个简单的卷积神经网络 

该CNN实现使用自己的图像数据集涵盖以下主题

  • 加载和预处理自己的数据集
  • 在Keras设计和训练CNN模型
  • 绘制损失和准确度曲线
  • 评估模型和预测测试图像的输出类
  • 可视化CNN的中间层输出
  • 绘制结果的混淆矩阵

加载和预处理自己的数据集:

我们将使用的数据集包括从互联网收集并标记的7个类。Python代码如下;

  

输出:

 

可视化一些图像,我们可以看到图像是128x128像素,Python代码如下:

  

用自己的数据构建一个简单的卷积神经网络 

用自己的数据构建一个简单的卷积神经网络

接下来,我们开始在Keras中设计和编译CNN模型,Python实现如下:

  

在拟合模型之后,我们可以在整个迭代过程中可视化训练和验证。

  

用自己的数据构建一个简单的卷积神经网络

用自己的数据构建一个简单的卷积神经网络


我们现在可以使用我们的模型使用以下代码预测新图像的新类:

  

正如我们在下面看到的,我们的模型正确地将图像分类为class [0] - bike。

用自己的数据构建一个简单的卷积神经网络

 

这是一个混淆矩阵,没有归一化

用自己的数据构建一个简单的卷积神经网络

我们现在可以保存模型和权重,以便在实际应用程序中实现。 

【责任编辑:庞桂玉 TEL:(010)68476606】

时讯快报

5.5亿用户的选择

立即打开