keras는cifar10의 이미지 식별을 실현합니다
from keras import Model, Input
from keras.datasets import cifar10
from keras import layers
from keras import optimizers
from keras.utils import to_categorical
import time
(train_x, train_y), (test_x, test_y) = cifar10.load_data()
train_x = train_x / 255.0
test_x = test_x / 255.0
train_y = to_categorical(train_y)
test_y = to_categorical(test_y)
head = Input(shape=(32, 32, 3,))
x = layers.Conv2D(256, 3, activation='relu', padding='same')(head)
x = layers.Conv2D(256, 3, activation='relu', padding='same')(x)
x = layers.MaxPool2D(strides=2)(x)
x = layers.Dropout(0.2)(x)
x = layers.Conv2D(128, 3, activation='relu', padding='same')(x)
x = layers.Conv2D(64, 3, activation='relu', padding='same')(x)
x = layers.MaxPool2D(strides=2)(x)
x = layers.Dropout(0.2)(x)
x = layers.Flatten()(x)
x = layers.Dense(256, activation='relu')(x)
x = layers.Dropout(0.5)(x)
x = layers.Dense(128, activation='relu')(x)
x = layers.Dense(64, activation='relu')(x)
x = layers.Dense(10)(x)
x = layers.Softmax()(x)
model = Model(head, x)
model.summary()
model.compile(optimizer=optimizers.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08), loss='categorical_crossentropy', metrics=['acc'])
start = time.time()
model.fit(train_x, train_y, batch_size=512, epochs=20)
info = model.evaluate(test_x, test_y)
print('
cost %ds' % (time.time() - start))
print('loss = %g, acc = %g' % (info[0], info[1]))
Ps:
colab에서 300초 정도 뛰었는데 최종 정답률이 79% 정도예요.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
다양한 언어의 JSONJSON은 Javascript 표기법을 사용하여 데이터 구조를 레이아웃하는 데이터 형식입니다. 그러나 Javascript가 코드에서 이러한 구조를 나타낼 수 있는 유일한 언어는 아닙니다. 저는 일반적으로 '객체'{}...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.