深度學(xué)習(xí)技術(shù)與應(yīng)用 課件 第9章 CIFAR-10圖像分類

深度學(xué)習(xí)技術(shù)與應(yīng)用DeepLearningTechnologyandApplicationcontents目錄第九章CIFAR-10圖像分類01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork02.提升模型的準(zhǔn)確率ImprovetheaccuracyofthemodelPART1使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetworkCIFAR-10CIFAR-10是由AlexKrizhevsky，VinodNair與GeoffreffHinton收集的一個用于圖像識別的數(shù)據(jù)集。共有10個分類：飛機、汽車、鳥、貓、鹿、狗、青蛙、馬、船、卡車。與之前MNIST數(shù)據(jù)集相比，它的色彩和顏色噪點會比較多，其中分類如卡車，大小不一，角度不同，顏色不同。01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetworkCIFAR-10數(shù)據(jù)集下載登錄官?：http:///~kriz/cifar.htm。01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetworkCIFAR-10數(shù)據(jù)集下載登錄官?：http:///~kriz/cifar.htm。如果下載失敗或者下載速度?較緩慢的，本書有提供其他下載的?式（詳情?附錄），下載的?件名為cifar10-batches-py.tar.gz或cifar-10-batches-py.tar Windows放置數(shù)據(jù)集：在Windows環(huán)境下，將cifar-10-batches-py.tar.gz?件放置C:\Users\xxxx.keras\datasets?錄下即可 Linux或MacOS放置數(shù)據(jù)集：在Linux或MacOS環(huán)境下，將cifar-10-batches-py.tar.gz?件放置~/Users/xxxx/.keras/?錄下即可

注：xxxx是當(dāng)前?戶01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork查看訓(xùn)練數(shù)據(jù)

CIFAR-10和MNIST相同的是，數(shù)據(jù)集同樣是由images和label組成的10個分類。CIFAR-10共有60000項數(shù)據(jù)，分別劃分為訓(xùn)練集50000和測試集10000。

01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork查看訓(xùn)練數(shù)據(jù)可以看到這次所使?的CIFAR-10數(shù)據(jù)集中的圖像是32×32×3的圖像。3代表的是3通道的RGB彩?圖像。

01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork處理數(shù)據(jù)集與訓(xùn)練模型

01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork處理數(shù)據(jù)集與訓(xùn)練模型

01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork模型的搭建開始建?模型，CIFAR-10數(shù)據(jù)集的識別會?MNIST難度更?很多，所以我們直接采?更多的卷積層來提?識別的準(zhǔn)確率。

01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork模型的搭建

01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork模型的搭建利?前面定義好的模型以及訓(xùn)練參數(shù)，定義訓(xùn)練?式，并且傳?數(shù)據(jù)利?反向傳播算法開始訓(xùn)練模型。

01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork測試訓(xùn)練

01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork測試訓(xùn)練使?測試集對訓(xùn)練好的模型進?評估

01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork測試訓(xùn)練為了更加直觀查看測試情況，對將測試集進?預(yù)測，并繪制出部分預(yù)測結(jié)果。

01.使用卷積神經(jīng)網(wǎng)絡(luò)搭建模型識別CIFAR-10圖像Recognitionofcifar-10imageusingconvolutionalneuralnetwork測試訓(xùn)練利?predict_classes出來的結(jié)果進?可視化結(jié)果繪制。

show_images_set_cifar(x_img_test,y_label_test,result_predicition,idx=40,alias=classes_name_ch)

PART2提升模型的準(zhǔn)確率02.提升模型的準(zhǔn)確率Improvetheaccuracyofthemodel加深?絡(luò)結(jié)構(gòu)

上面的訓(xùn)練模型在測試集下的準(zhǔn)確率只達到了0.67，本節(jié)將通過加深?絡(luò)中的卷積層結(jié)構(gòu)，并且加?epoch，嘗試提升模型的準(zhǔn)確率。

02.提升模型的準(zhǔn)確率Improvetheaccuracyofthemodel加深?絡(luò)結(jié)構(gòu)

02.提升模型的準(zhǔn)確率Improvetheaccuracyofthemodel加深?絡(luò)