使用 TensorFlow 和 Keras 构建 CIFAR-10 图像分类模型
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
# 加载数据集
(x_train, y_train), (x_test, y_test) = keras.datasets.cifar10.load_data()
# 将像素值归一化到 0 到 1 之间
x_train = x_train.astype('float32') / 255.0
x_test = x_test.astype('float32') / 255.0
# 定义模型架构
model = keras.Sequential([
layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)),
layers.MaxPooling2D((2, 2)),
layers.Conv2D(64, (3, 3), activation='relu'),
layers.MaxPooling2D((2, 2)),
layers.Conv2D(64, (3, 3), activation='relu'),
layers.Flatten(),
layers.Dense(64, activation='relu'),
layers.Dense(5, activation='softmax'),
])
# 编译模型
model.compile(
optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'],
)
# 训练模型
model.fit(x_train, y_train, epochs=10, validation_data=(x_test, y_test))
# 在测试数据上评估模型
test_loss, test_acc = model.evaluate(x_test, y_test)
print('Test accuracy:', test_acc)
# 使用另一个数据集路径名称进行更改:
如果想要使用另一个数据集,可以将数据集的路径名称更改为新数据集的路径名称。具体来说,需要将以下代码中的数据集路径名称更改为新数据集的路径名称:
```python
(x_train, y_train), (x_test, y_test) = keras.datasets.cifar10.load_data()
例如,如果想要使用名为'new_dataset'的数据集,可以将上述代码更改为:
(x_train, y_train), (x_test, y_test) = keras.datasets.new_dataset.load_data()
需要确保新数据集的格式与现有代码中的数据集格式相同,即训练集、测试集的数据和标签都应该是numpy数组形式。
原文地址: https://www.cveoy.top/t/topic/or27 著作权归作者所有。请勿转载和采集!