第T3周：TensorFlow构建CNN网络模型实现天气识别

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

目标：
搭建CNN网络模型实现多云、下雨、晴、日出四种天气状态的识别，并用真实天气做预测
具体实现：
（一）环境：
语言环境：Python 3.10
编 译 器: PyCharm
框 架: Tensorflow
**（二）具体步骤：

1. 使用GPU

之前的GPU一直没检测出来 ，今天参考windows安装tensorflow-gpu / CUDA / cuDNN - 前端大兵 - 博客园和 Build from source on Windows | TensorFlow，主要的就是保证python版本、cuda版本， cuDNN以及Tensorflow版本一致。我的Python版本是3.8，cuda安装的是11.2，查看如下：

那么cudnn和tensowflow-gpu的版本也找到了，直接下载安装就成。看成果：

import os  
import PIL  
import pathlib  
import matplotlib.pyplot as plt  
import numpy as np  
import tensorflow as tf  
from tensorflow import keras  
from tensorflow.keras import layers, models 
  
gpus = tf.config.list_physical_devices("GPU")  
print(gpus)  
if gpus:  
    gpu0 = gpus[0]  
    # print(gpu0)  
    tf.config.experimental.set_memory_growth(gpu0, True)  
    tf.config.set_visible_devices([gpu0], "GPU")

解决。

2.查看数据

在工程根目录下创建了一个datasets目录，然后下面有一个weather_photos的子目录，再下面分为cloudy(多云)、rain(雨天)、shine(晴天)和sunrise(日出)4种天气类型。

# 导入数据集  
data_dir = "datasets/weather_photos/"  
data_dir = pathlib.Path(data_dir)   # 将目录转换成pathlib.Path类对象，以便使用Path的各种方法  
print(data_dir)  
  
# 查看数据  
# 查看目录下所在.jpg文件的数据。glob方法是按.jpg去匹配所有文件。要能够使用glob方法，需要上当是pathlib.Path类的对象。  
image_count = len(list(data_dir.glob('*/*.jpg')))  
print("图片总数为：", image_count)  
# 看一下shine目录下的图片  
shine = list(data_dir.glob('sunrise/*.jpg'))  
print("shine目录共有：%d 个图片" % len(shine))  
im = PIL.Image.open(str(shine[0]))  
im.show()