【任务一】视频学习心得及问题总结 根据下面三个视频的学习内容,写一个总结,最后列出没有学明白的问题。 【任务二】代码练习 在谷歌 Colab 上完成代码练习中的 2.1、2.2、2.3、2.4 节,关键步骤截图,并附一些自己的想法和解读。 【任务三】进阶练习 在谷歌 Colab 上完成猫狗大战的VG ...
分类:
其他好文 时间:
2020-07-26 00:54:11
阅读次数:
69
图像分类识别中,可以根据热力图来观察模型根据图片的哪部分决定图片属于一个分类。 以前面的Resnet50模型为例:https://www.cnblogs.com/zhengbiqing/p/11964301.html 输出模型结构为: model.summary() ________________ ...
分类:
Web程序 时间:
2020-03-29 19:37:17
阅读次数:
97
pytorch实战 猫狗大战Kaggle 迁移学习ResNet50模型微调 猫狗大战数据集 这是kaggle上一个非常经典的二分类图像数据集,训练集包括25000张猫和狗的图片及其标签,测试集则是12500张未标签图片,数据下载地址。不过这个网址比较远古,无法提交自己训练的答案,可以到新的(~~虽然 ...
分类:
Web程序 时间:
2020-03-05 01:18:20
阅读次数:
291
初尝过拟合 猫狗大战数据集 这是kaggle上一个非常经典的二分类图像数据集,训练集包括25000张猫和狗的图片及其标签,测试集则是12500张未标签图片,数据下载地址。不过这个网址比较远古,无法提交自己训练的答案,可以到新的(~~虽然也不新了~~)比赛链接提交 将训练数据按类别分开整理成如下结构 ...
分类:
其他好文 时间:
2020-03-02 01:01:39
阅读次数:
77
在上一篇的基础上,对数据调用keras图片预处理函数preprocess_input做归一化预处理,进行训练。 导入preprocess_input: 数据生成添加preprocessing_function=preprocess_input 训练25epoch,学习率从1e-3下降到4e-5: 测 ...
分类:
Web程序 时间:
2019-12-07 22:52:22
阅读次数:
237
上一节中,我们采用了一个自定义的网络结构,从头开始训练猫狗大战分类器,最终在使用图像增强的方式下得到了82%的验证准确率。但是,想要将深度学习应用于小型图像数据集,通常不会贸然采用复杂网络并且从头开始训练(training from scratch),因为训练代价高,且很难避免过拟合问题。相对的,通 ...
分类:
其他好文 时间:
2019-12-04 01:23:32
阅读次数:
194
本文旨在总结一次完整的CNN图像分类过程(猫狗大战为例,使用Keras框架),免得经常遗忘。流程包括: + 从Kaggle下载猫狗数据集; + 利用python的os、shutil库,制作训练集和测试集; + 快速开发一个小模型作为基准;(只要效果比随机猜略好即可,通常需要有一点过拟合) + 根据基 ...
分类:
其他好文 时间:
2019-12-02 16:57:55
阅读次数:
153
在https://www.cnblogs.com/zhengbiqing/p/11780161.html中直接在resnet网络的卷积层后添加一层分类层,得到一个最简单的迁移学习模型,得到的结果为95.3%。 这里对最后的分类网络做些优化:用GlobalAveragePooling2D替换Flatt ...
分类:
Web程序 时间:
2019-11-30 22:50:49
阅读次数:
344
深度学习严重依赖训练数据量的大小,前面(https://www.cnblogs.com/zhengbiqing/p/11070783.html)只随机抽取猫狗图片各1000、500、200分别作为训练、验证、测试集,即使采用了数据增强,精度只达到83%。 采用kaggle 猫狗数据集全部25000张 ...
分类:
其他好文 时间:
2019-10-31 00:26:23
阅读次数:
145
图像识别猫狗大战——初学代码之读取数据 1. 读取数据标签 item_label = item.split('.')[0] # 文件名形如 cat.0.jpg, 只需要取第一个。# 将item以字符'.'为分割方式截取子串,存入字符串向量,获取向量的第[0]个元素。# 如item='cat.0.jp ...
分类:
其他好文 时间:
2019-10-09 17:50:43
阅读次数:
122