22、卷积神经网络实战：从ShallowNet到LeNet

卷积神经网络实战：从ShallowNet到LeNet

1. ShallowNet的训练与应用

ShallowNet是一种非常简单的卷积神经网络，仅使用一个卷积层。在动物数据集上，它展现出了出色的性能，分类准确率达到了71%，相较于之前简单前馈神经网络的最佳准确率59%，提升了超过12%。

1.1 ShallowNet在CIFAR - 10数据集上的应用

为了进一步验证ShallowNet的性能，我们将其应用于CIFAR - 10数据集。以下是具体的操作步骤：
1. 数据准备 ：

# import the necessary packages
from sklearn.preprocessing import LabelBinarizer
from sklearn.metrics import classification_report
from pyimagesearch.nn.conv import ShallowNet
from keras.optimizers import SGD
from keras.datasets import cifar10
import matplotlib.pyplot as plt
import numpy as np

# load the training and testing data, then scale it into the
# range [0, 1]
print("[INFO] loading CIFAR-10 data...")
((trainX, trainY), (testX, tes