wang_yong_hui_1234的博客

项目地址：https://github.com/LionJackson/imageClassificationFlutter项目地址：https://github.com/LionJackson/flutter_image。

在训练模型时，我们不可能时时盯着训练数据结果，如果把训练过程曲线保存成图片，这样就比较方便查看。训练进度：主要看最下边一行输出，一轮训练完成会显示训练集和验证集的正确率。曲线图如下：训练集和验证集准确率上升，损失率下降，这是完美的表现。以后的所有讲解，都基于函数式方式进行，因为函数式调用比较灵活。

MobileNetV2 是由 Google 在 2018 年发布的一种轻量级深度神经网络架构，旨在优化移动设备和嵌入式设备上的图像分类和其他视觉任务的性能。它是 MobileNet 系列的第二代改进版本，相较于 MobileNetV1，引入了新的层类型和架构改进，显著提升了模型的准确性和效率。1. 主要特性和创新点深度可分离卷积（Depthwise Separable Convolutions）：延续了 MobileNetV1 的设计，通过深度可分离卷积来减少参数量和计算量。

1.创建项目，选择虚拟环境项目结构如下：data中的数据集需要提前准备好，数据分为测试集，训练集和验证集。以下是数据集的下载平台：kaggle2.随便选择一个和水果相关的数据集，下载到本地，导入的项目中。一切准备就绪，开始进入模型训练实战！

这是TensorFlow系列教程，先从实战应用，再到原理分析，讲解如何使用大模型进行图像识别。