a721867783的博客

迎来到我们的连载教程！在这个系列中，我们将从零开始，逐步搭建一个基于深度学习技术的人工智能表情识别软件。你将会学到：如何建立一个强大的深度学习模型，用于准确地识别人脸表情。1，整个软件设计过程数据库设计用户界面设计开发和测试部署和维护2，深度学习模型搭建过程数据收集和准备模型选择和设计训练和验证模型评估模型优化部署和集成。

混淆矩阵（Confusion Matrix）是一种用于评估分类模型性能的表格，它将模型预测的结果与实际的类别标签进行比较，从而展现模型的分类准确性。对测试集的真实标签（y_true）和模型预测得到的二元分类结果（y_pred）进行评估，通过输出分类报告（classification_report）来得到模型的性能指标。收益分析曲线（Profit Curve）是一种用于评估分类模型性能的可视化工具，它将模型的预测结果与实际的成本和收益联系起来，从而帮助决策者在不同阈值下进行决策。运行的结果示意图如图。

阶段性工作总结吧， 按照我下面的方法。最白的小白，也能轻松上车，因为它无敌般的详细1 准备工作1， 首先配置keras程序环境，具体安装步骤可参考我上一篇博客：https://blog.youkuaiyun.com/a721867783/article/details/896821762， 数据集准备： 我们把多种图片，按种类划分分为不同的文件夹。 也就是每个种类文件夹只包含一个种类的图片。让后把所...

前期的环境准备，数据集制备，和模型搭建，及训练参数的调整，见我上篇博客：https://blog.youkuaiyun.com/a721867783/article/details/92645557本篇博客呢主要简单写下，模型预测的代码：包括数据集制备及送入模型，和预测结果展示。预测结果由于时间问题没有进行后期可视化处理，但是数据结果是有的。废话少说，开始正题。一，数据预处理本次数据预处理比较简单，可...