花朵分类(一) 花朵分类(一)

本次教程的目的是带领大家学会基本的花朵图像分类
首先我们来介绍下数据集，该数据集有5种花，一共有3670张图片，分别是daisy、dandelion、roses、sunflowers、tulips，数据存放结构如下所示

文章图片

我们可以展示下roses的几张图片

文章图片

接下来我们需要加载数据集，然后对数据集进行划分，最后形成训练集、验证集、测试集，注意此处的验证集是从训练集切分出来的，比例是8:2
对数据进行探索的时候，我们发现原始的像素值是0-255，为了模型训练更稳定以及更容易收敛，我们需要标准化数据集，一般来说就是把像素值缩放到0-1，可以用下面的layer来实现

normalization_layer = tf.keras.layers.experimental.preprocessing.Rescaling(1./255)

为了使训练的时候I/O不成为瓶颈，我们可以进行如下设置

AUTOTUNE = tf.data.AUTOTUNEtrain_ds = train_ds.cache().prefetch(buffer_size=AUTOTUNE) val_ds = val_ds.cache().prefetch(buffer_size=AUTOTUNE)

下一步就是模型搭建，然后对模型进行训练

num_classes = 5model = tf.keras.Sequential([ tf.keras.layers.experimental.preprocessing.Rescaling(1./255), tf.keras.layers.Conv2D(32, 3, activation='relu'), tf.keras.layers.MaxPooling2D(), tf.keras.layers.Conv2D(32, 3, activation='relu'), tf.keras.layers.MaxPooling2D(), tf.keras.layers.Conv2D(32, 3, activation='relu'), tf.keras.layers.MaxPooling2D(), tf.keras.layers.Flatten(), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dense(num_classes) ])model.compile( optimizer='adam', loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy'])model.fit( train_ds, validation_data=https://www.it610.com/article/val_ds, epochs=3 )