摘要：
from PIL import Image import matplotlib.pyplot as plt color_map = [(220, 20, 60), (139, 0, 139), (123, 104, 238), (248, 248, 255), (0, 255, 255), (0, 阅读全文
摘要：
windows环境下安装pycocotools用： pip install pycocotools 是无法安装成功的。 需到https://github.com/philferriere/cocoapi下载源码，解压后切换到源码的PythonAPI目录，执行： python setup.py bui 阅读全文
摘要：
一、加载模型 from keras.models import load_model model = load_model(r"E:\Kaggle\salt\competition_data/model\Kaggle_Salt_02-0.924.hdf5") 二、识别图片 从验证集随机选择图片，识别 阅读全文
摘要：
Kaggle机器学习竞赛是全球最著名的人工智能比赛，每个竞赛项目都吸引了大量AI爱好者参与。 这里选择2018年底进行的盐沉积区识别竞赛作为例子：https://www.kaggle.com/c/tgs-salt-identification-challenge 一、数据 可以从Kaggle网站下载 阅读全文
摘要：
ModuleNotFoundError: No module named 'Cryptodome' 错误的解决办法： pip install pycryptodomex 阅读全文
摘要：
keras提供了多种ImageNet预训练模型，前面的文章都采用resnet50，这里改用Xception预训练模型进行迁移学习。 定义模型： 准备训练数据： 训练模型： 训练32轮后提前结束： 测试图片： 测试结果为98.1%： 阅读全文
摘要：
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 阅读全文
摘要：
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 阅读全文
摘要：
前面用一个简单的4层卷积网络，以猫狗共25000张图片作为训练数据，经过100 epochs的训练，最终得到的准确度为90%。 深度学习中有一种重要的学习方法是迁移学习，可以在现有训练好的模型基础上针对具体的问题进行学习训练，简化学习过程。 这里以imagenet的resnet50模型进行迁移学习训 阅读全文
摘要：
训练数据量的大小对深度学习结果有重要影响，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25 阅读全文