【文件属性】：
文件名称：CNN图像分类
文件大小：1.35MB
文件格式：ZIP
更新时间：2021-02-15 18:52:41
Python
CNN图像分类
在这个项目中，对图像分类的优化算法进行了研究。 卷积神经网络已被用来学习每组图像中存在的特征。 该项目还对网络学习的功能进行了研究。 该项目是使用Keras库实现的。
项目完成后得出的结论是：
正如我们在ADAM优化程序中看到的那样，训练数据过拟合，因此我们在训练数据集中获得了99％的准确性。 但是在验证数据集中，我们得到的最终精度约为83％。 由于数据过拟合，我们可以得出结论，该模型将记住输入图像模式，而不是从输入图像中学习。 因此，由于这个原因，我们在执行“ model.fit”函数时会不断减少训练损失，并增加验证损失。
在使用RMSProp优化器的情况下，训练精度会稳步提高，但由于训练精度不是很高，因此该模型确实适合数据。 验证准确性从头开始增加，并在一定时间后达到饱和。 在观察训练和验证损失图时，我们可以看到，两种损失都随着验证损失的尖峰增加而稳步下降。
使
【文件预览】：
CNN-Image-Classification-master
----rmsprop.PNG(31KB)
----~$EP LEARNING PROJECT 1.docx(162B)
----adadelta.PNG(28KB)
----README.md(3KB)
----DEEP LEARNING PROJECT 1.docx(502KB)
----DEEP LEARNING PROJECT 1.pdf(483KB)
----convolution2.PNG(122KB)
----convolution3.PNG(124KB)
----adam.PNG(24KB)
----convolution1.PNG(131KB)
----DL_project1_pre_process.py(2KB)
----dl_project1.py(4KB)