# 基于Tensorflow的病害猪肉预测
一.实验环境:
实验环境是基于虚拟机VMware上安装的Ubuntn16.04,Python版本是2.7,Tensorflow版本是1.3。
二.实验步骤
1.数据预处理:首先用numpy.load将数据读入,通过对数据进行分析,发现训练数据一共是334条,特征向量为10000维的数据。其中119条数据为label=0的数据,即健康猪肉,另外215条数据为label=1的数据,即病死猪肉。然后进行数据预处理,采用numpy.vstack和numpy.hstack将数据预处理为tensorflow框架的输入格式。结果如下:
![avatar](1.png)
图1:预处理的特征向量
![avatar](2.png)
图2:预处理后标签Y
其中,标签为[1,0]的向量标记为label=0,即健康的猪肉,标签为[0,1]的向量标记为label=1,即病死的猪肉。
2.采用Tensorflow搭建神经网络框架:通过tf.Variable设置神经网络的连接权值weights和偏置biases。通过tf.reduce_sum函数来指定损失函数为预测值和真实值的交叉熵,然后通过梯度下降优化器tf.GradientDescent来最小化交叉熵。确定学习率为0.001,训练轮次为4000轮,每轮训练8条数据。
3.实验结果:通过Tensorflow搭建的神经网络,设置每100轮输出结果,最终训练数据的准确率达到98.50%,测试数据的准确率达到85%。实验结果图如下(输出轮次较多,仅截取后10轮):
![avatar](3.png)
图3:训练数据准确率
![avatar](4.png)
图4:测试数据准确率
4.实验总结:通过上述实验,可以发现对于输入数据的特征向量为10000维的数据,神经网络仍可达到较好的拟合效果。对于测试数据为的准确率仅为85%,而训练数据的准确率高达98%,说明该网络对训练数据的学习过于深入,局部点陷入过拟合,导致鲁棒性较差。后期改进可以通过对损失函数加入惩罚项,即正则化的方式,还有采用随机梯度下降方式,并且对神经网络的连接参数进行一定的修改,可以一定程度上解决这个问题。
使用numpy.load("train0.npy")同理读取数据
每条数据为行向量
train0是label为0的数据 健康猪肉
train1是label为1的数据 病死猪肉
用train0与train1进行训练
在test0a与test1a验证正确率
附件是对病死猪肉的检测数据,标签为0的样本为健康猪肉,标签为1的样本为病死猪肉。每条特征向量为矩阵中的行向量。
没有合适的资源?快使用搜索试试~ 我知道了~
基于TensorFlow的病害猪肉预测系统源码+部署教程文档+全部数据+训练好的模型(高分项目).zip
![preview](https://csdnimg.cn/release/downloadcmsfe/public/img/white-bg.ca8570fa.png)
共13个文件
npy:4个
png:4个
py:2个
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 76 浏览量
2024-04-20
09:12:01
上传
评论
收藏 27.03MB ZIP 举报
温馨提示
【资源说明】 基于TensorFlow的病害猪肉预测系统源码+部署教程文档+全部数据+训练好的模型(高分项目).zip基于TensorFlow的病害猪肉预测系统源码+部署教程文档+全部数据+训练好的模型(高分项目).zip基于TensorFlow的病害猪肉预测系统源码+部署教程文档+全部数据+训练好的模型(高分项目).zip 【备注】 1、该项目是个人高分毕业设计项目源码,已获导师指导认可通过,答辩评审分达到95分 2、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 3、本项目适合计算机相关专业(如软件工程、计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也可作为毕业设计、课程设计、作业、项目初期立项演示等,当然也适合小白学习进阶。 4、如果基础还行,可以在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。 欢迎下载,沟通交流,互相学习,共同进步!
资源推荐
资源详情
资源评论
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![thumb](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![thumb](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
收起资源包目录
![package](https://csdnimg.cn/release/downloadcmsfe/public/img/package.f3fc750b.png)
![folder](https://csdnimg.cn/release/downloadcmsfe/public/img/folder.005fa2e5.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/UNKNOWN.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/PNG.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/UNKNOWN.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/PNG.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/DOCX.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/PNG.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/UNKNOWN.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/UNKNOWN.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/UNKNOWN.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/UNKNOWN.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/PNG.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/UNKNOWN.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/ZIP.png)
共 13 条
- 1
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/default.jpg!1)
不走小道
- 粉丝: 3237
- 资源: 5112
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)