tensorflow图片分类

本文详细介绍使用TensorFlow进行图像分类的过程,包括从GitHub下载源码、准备测试数据集、特征提取、模型训练到最后的分类测试。针对数据量大小对模型训练的影响进行了讨论。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1 在github上下载tensorflow源码:https://github.com/tensorflow/tensorflow


2 下载测试数据,例如:


3 把下载好的图片解压,放到不同文件夹中:(中间有不是图像文件,代码会出错!)


4 新建立好程序必须的几个目录,选择一部分图像作为测试数据:


5 运行.bat,开始提取特征:(数据太多,速度好慢,为了测试直接把所有类别图像修改到500左右)


6 模型训练:(数据太少了,训练集的准确率动不动就是100%)


7 最终结果:

    使用个测试代码测试image目录下图像的分类。



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值