关键词：
记录|深度学习100例-卷积神经网络（CNN）服装图像分类 | 第3天
1. 服装图像分类效果图
原始训练图如下：
测试图：预测标签及实际标签如下：
可以看到正确预测
训练损失/准确度图：
2. 源码
# 深度学习100例-卷积神经网络（CNN）服装图像分类 | 第3天
# USAGE
# python img_fashion3.py
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
gpus = tf.config.list_physical_devices("GPU")
if gpus:
gpu0 = gpus[0] # 如果有多个GPU，仅使用第0个GPU
tf.config.experimental.set_memory_growth(gpu0, True) # 设置GPU显存用量按需使用
tf.config.set_visible_devices([gpu0], "GPU")
# 导入数据
(train_images, train_labels), (test_images, test_labels) = datasets.fashion_mnist.load_data()
# 将像素的值标准化至0到1的区间内。
train_images, test_images = train_images / 255.0, test_images / 255.0
# 调整数据到我们需要的格式
train_images = train_images.reshape((60000, 28, 28, 1))
test_images = test_images.reshape((10000, 28, 28, 1))
print(train_images.shape, test_images.shape, train_labels.shape, test_labels.shape)
# class_names = ['T恤/上衣', '裤子', '套头衫', '连衣裙', '外套','凉鞋', '衬衫', '运动鞋', '包', '短靴']
class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']
# 可视化
plt.figure(figsize=(20, 10))
for i in range(20):
plt.subplot(5, 10, i + 1)
plt.xticks([])
plt.yticks([])
plt.grid(False)
plt.imshow(train_images[i], cmap=plt.cm.binary)
plt.xlabel(class_names[train_labels[i]])
plt.show()
# 构建网络
model = models.Sequential([
layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)), # 卷积层1，卷积核3*3
layers.MaxPooling2D((2, 2)), # 池化层1，2*2采样
layers.Conv2D(64, (3, 3), activation='relu'), # 卷积层2，卷积核3*3
layers.MaxPooling2D((2, 2)), # 池化层2，2*2采样
layers.Conv2D(64, (3, 3), activation='relu'), # 卷积层3，卷积核3*3
layers.Flatten(), # Flatten层，连接卷积层与全连接层
layers.Dense(64, activation='relu'), # 全连接层，特征进一步提取
layers.Dense(10) # 输出层，输出预期结果
])
model.summary() # 打印网络结构
# 编译模型
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
# 训练模型
history = model.fit(train_images, train_labels, epochs=8,
validation_data=(test_images, test_labels))
pre = model.predict(test_images)
print('pre: ' + str(class_names[np.argmax(pre[2])]) + ' real: ' + str(class_names[test_labels[2]]))
plt.imshow(test_images[2])
plt.xticks([])
plt.yticks([])
plt.xlabel('pre: ' + class_names[np.argmax(pre[2])] + ' real: ' + str(class_names[test_labels[2]]))
plt.show()
plt.plot(history.history["loss"], label="train_loss")
plt.plot(history.history["val_loss"], label="val_loss")
plt.plot(history.history['accuracy'], label='accuracy')
plt.plot(history.history['val_accuracy'], label='val_accuracy')
plt.title("Training Loss and Accuracy (Simple NN)")
plt.xlabel('Epoch')
plt.ylabel('Loss/Accuracy')
# plt.ylim([0.5, 1])
plt.legend(loc='lower right')
plt.show()
test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)
print(test_acc)
参考
记录|深度学习100例-卷积神经网络（cnn）minist数字分类|第1天(代码片段)
记录|深度学习100例-卷积神经网络（CNN）minist数字分类|第2天1.minist0-9数字分类效果图数据集如下：分类及预测图如下：预测标签值和真实标签值如下图所示，成功预测训练Loss/Accuracy图如下：源码#深度学习1... 查看详情
深度学习保姆级教程（附代码+数据）
...的实例教程，目前是入门阶段。【深度学习100例-卷积神经网络（CNN）实现mnist手写数字识别|第1天】【深度学习100例-卷积神经网络（CNN）彩色图片分类|第2天】【深度学习100例-卷积神经网络（CNN）服装... 查看详情
记录|深度学习100例-卷积神经网络（cnn）彩色图片分类|第2天(代码片段)
记录|深度学习100例-卷积神经网络（CNN）彩色图片分类|第2天1.彩色图片分类效果图数据集如下：测试图1如下训练/验证精确图如下：优化后：测试图——打印预测标签:优化后：测试图——打印预测标签和真... 查看详情
深度学习100例-卷积神经网络（cnn）识别验证码|第12天
深度学习100例-卷积神经网络（cnn）猴痘病识别|第45天
本文为 查看详情
深度学习100例-卷积神经网络（cnn）猴痘病识别|第45天
本文为 查看详情
深度学习100例-卷积神经网络（cnn）花朵识别|第4天(代码片段)
文章目录一、前期工作1.设置GPU2.下载数据3.检查数据二、数据预处理1.加载数据2.可视化数据3.再次检查数据4.配置数据集三、构建CNN网络四、编译五、训练模型六、模型评估一、前期工作本文将采用CNN实现花朵识别我的环境：语... 查看详情
深度学习100例-卷积神经网络（cnn）实现车牌识别|第15天
文章目录一、前期工作1.设置GPU2.导入数据3.数据可视化4.标签数字化二、构建一个tf.data.Dataset1.预处理函数2.加载数据3.配置数据三、搭建网络模型四、设置动态学习率五、编译六、训练七、模型评估八、保存和加载模型九、预测... 查看详情
深度学习100例-卷积神经网络（cnn）实现mnist手写数字识别|第1天
...模型五、预测六、知识点详解1.MNIST手写数字数据集介绍2.神经网络程序说明3.网络结构说明我的环境：语言环境：Python3.6.5编译器：jupyternotebook深度学习环境：TensorFlow2来自专栏：【深度学习100例 查看详情
深度学习100例-卷积神经网络（cnn）猴痘病识别|第45天(代码片段)
...录博客>-参考文章地址：[🔗深度学习100例-卷积神经网络（CNN）猴痘病识别|第45天](https://blog.csdn.net/qq_38251616/article/details/126284706)作者：K同学啊我的环境：语言环境：Python3.6.5编译器：jupyternotebook... 查看详情
深度学习100例|第27天-卷积神经网络（cnn）：艺术作品识别(代码片段)
...度学习|第四篇：配置PyTorch环境🚀往期精彩-卷积神经网络篇：深度学习100例-卷积神经网络（CNN）实现mnist手写数字识别|第1天深度学习100例-卷积神经网络（CNN&#x 查看详情
深度学习100例|第41天-卷积神经网络（cnn）：urbansound8k音频分类（语音识别）
深度学习100例-卷积神经网络（cnn）天气识别|第5天
文章目录一、前期工作1.设置GPU2.导入数据3.查看数据二、数据预处理1.加载数据2.可视化数据3.再次检查数据4.配置数据集三、构建CNN网络四、编译五、训练模型六、模型评估一、前期工作本文将采用CNN实现多云、下雨、晴、日出... 查看详情
深度学习100例-卷积神经网络（cnn）彩色图片分类|第2天(代码片段)
文章目录一、前期工作1.设置GPU2.导入数据3.归一化4.可视化二、构建CNN网络三、编译四、训练模型五、预测六、模型评估一、前期工作1.设置GPU如果使用的是CPU可以忽略这步importtensorflowastfgpus=tf.config.list_physical_devices("GPU")ifg 查看详情
深度学习100例-卷积神经网络（cnn）识别神奇宝贝小智一伙|第16天
文章目录一、前期工作1.设置GPU2.导入数据3.查看数据二、数据预处理1.加载数据2.可视化数据3.再次检查数据4.配置数据集三、调用官方网络模型四、设置动态学习率五、编译六、训练模型七、模型评估八、保存and加载模型九、预... 查看详情
深度学习100例-卷积神经网络（cnn）识别眼睛状态|第17天(代码片段)
文章目录一、前期工作1.设置GPU2.导入数据3.查看数据二、数据预处理1.加载数据2.可视化数据3.再次检查数据4.配置数据集三、调用官方网络模型四、设置动态学习率五、编译六、训练模型七、模型评估1.Accuracy与Loss图2.混淆矩阵八... 查看详情
深度学习100例|第27天-卷积神经网络（cnn）：艺术作品识别(代码片段)
我的知乎我的微信公众号我的CSDN下载本文源码+数据需要帮助Ctrl+D：收藏本页面大家好，我是K同学啊！今天的案例是世界名画的分类识别🚀我的环境：语言环境：Python3.6.5编译器：jupyternotebook深... 查看详情
深度学习100例|第26天-卷积神经网络（cnn）：乳腺癌识别(代码片段)
大家好，我是『K同学啊』！今天我将带大家探索一下深度学习在医学领域的应用，乳腺癌是女性最常见的癌症形式，浸润性导管癌(IDC)是最常见的乳腺癌形式。准确识别和分类乳腺癌亚型是一项重要的临床任务... 查看详情