第30周：彩色图片分类(Tensorflow实战第二周)

目次
前言
一、前期工作
1.1 设置GPU
1.2 导入数据
1.3 数据归一化
1.4 数据可视化
二、构建CNN网络
2.1 根本概念
2.2 代码实现
三、编译
四、练习模子
五、猜测
六、模子评估
总结
<hr> 前言

   

   

• 本文为[365天深度学习练习营]中的学习记录博客   
  
• 原作者：[K同砚啊]  
  

  说在前面
1）本周使命：学习怎样编写一个完备的深度学习步伐；相识分类彩色图片和灰度图片有什么区别；测试集accuracy到达72%
2）运行情况：Python3.6、Pycharm2020、tensorflow2.4.0
<hr> 一、前期工作

1.1 设置GPU

代码如下：

1. # 1.1 设置GPU
2. import tensorflow as tf
3. import matplotlib.pyplot as plt
4. gpus = tf.config.list_physical_devices("GPU")
6. if gpus:
7.     gpu0 = gpus[0] #如果有多个GPU，仅使用第0个GPU
8.     tf.config.experimental.set_memory_growth(gpu0, True) #设置GPU显存用量按需使用
9.     tf.config.set_visible_devices([gpu0],"GPU")

复制代码

1.2 导入数据

代码如下：

1. # 1.2 导入数据
2. from tensorflow.keras import datasets, layers, models
3. (train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()

复制代码

1.3 数据归一化

代码如下：

1. # 1.3 归一化
2. # 将像素的值标准化至0到1的区间内。
3. train_images, test_images = train_images / 255.0, test_images / 255.0
4. print(train_images.shape, test_images.shape,
5.       train_labels.shape, test_labels.shape)

复制代码

  打印输出：(50000, 32, 32, 3) (10000, 32, 32, 3) (50000, 1) (10000, 1)
  1.4 数据可视化

代码如下：

1. #1.4 可视化
2. class_names = ['airplane', 'automobile', 'bird', 'cat',

复制代码