[train hyper-parameters: Namespace(batch_size=16, lr=0.001, lrf=0.01, num_classes=2)]
[epoch: 1]
train loss:0.0108 test accuracy:0.9831
[epoch: 2]
train loss:0.0024 test accuracy:0.9879
[epoch: 3]
train loss:0.0010 test accuracy:0.9928
[epoch: 4]
train loss:0.0015 test accuracy:0.9638
[epoch: 5]
train loss:0.0010 test accuracy:0.9831
[epoch: 6]
train loss:0.0014 test accuracy:0.9879
[epoch: 7]
train loss:0.0002 test accuracy:0.9855
[epoch: 8]
train loss:0.0002 test accuracy:0.9903
[epoch: 9]
train loss:0.0001 test accuracy:0.9903
[epoch: 10]
train loss:0.0000 test accuracy:0.9879
[epoch: 11]
train loss:0.0012 test accuracy:0.9903
[epoch: 12]
train loss:0.0001 test accuracy:0.9928
[epoch: 13]
train loss:0.0000 test accuracy:0.9928
[epoch: 14]
train loss:0.0000 test accuracy:0.9928
[epoch: 15]
train loss:0.0000 test accuracy:0.9758
[epoch: 16]
train loss:0.0001 test accuracy:0.9879
[epoch: 17]
train loss:0.0000 test accuracy:0.9879
[epoch: 18]
train loss:0.0000 test accuracy:0.9903
[epoch: 19]
train loss:0.0000 test accuracy:0.9903
[epoch: 20]
train loss:0.0000 test accuracy:0.9879
[epoch: 21]
train loss:0.0000 test accuracy:0.9928
[epoch: 22]
train loss:0.0000 test accuracy:0.9903
[epoch: 23]
train loss:0.0000 test accuracy:0.9879
[epoch: 24]
train loss:0.0000 test accuracy:0.9928
[epoch: 25]
train loss:0.0000 test accuracy:0.9903
[epoch: 26]
train loss:0.0000 test accuracy:0.9928
[epoch: 27]
train loss:0.0000 test accuracy:0.9928
[epoch: 28]
train loss:0.0000 test accuracy:0.9928
[epoch: 29]
train loss:0.0000 test accuracy:0.9928
[epoch: 30]
train loss:0.0000 test accuracy:0.9928
[epoch: 31]
train loss:0.0000 test accuracy:0.9928
[epoch: 32]
train loss:0.0000 test accuracy:0.9928
[epoch: 33]
train loss:0.0000 test accuracy:0.9903
[epoch: 34]
train loss:0.0000 test accuracy:0.9928
[epoch: 35]
train loss:0.0000 test accuracy:0.9928
[epoch: 36]
train loss:0.0000 test accuracy:0.9928
[epoch: 37]
train loss:0.0000 test accuracy:0.9928
[epoch: 38]
train loss:0.0000 test accuracy:0.9928
[epoch: 39]
train loss:0.0000 test accuracy:0.9928
[epoch: 40]
train loss:0.0000 test accuracy:0.9928
[epoch: 41]
train loss:0.0000 test accuracy:0.9928
[epoch: 42]
train loss:0.0000 test accuracy:0.9928
[epoch: 43]
train loss:0.0000 test accuracy:0.9928
[epoch: 44]
train loss:0.0000 test accuracy:0.9928
[epoch: 45]
train loss:0.0000 test accuracy:0.9928
[epoch: 46]
train loss:0.0000 test accuracy:0.9928
[epoch: 47]
train loss:0.0000 test accuracy:0.9928
[epoch: 48]
train loss:0.0000 test accuracy:0.9928
[epoch: 49]
train loss:0.0000 test accuracy:0.9928
[epoch: 50]
train loss:0.0000 test accuracy:0.9928
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
本项目基于VGG16迁移学习的图像分类,可直接运行。 数据集采用猫狗二分类数据集,包括2180张训练图片和414张预测图片。 网络训练的时候采用cos 学习率自动衰减,训练了50个epoch。模型在测试集最好的表现达到99%精度。 如果想要训练自己的数据集,请查看README文件
资源推荐
资源详情
资源评论
收起资源包目录
猫狗数据集的二分类图像识别项目:基于VGG16网络的迁移学习 (2000个子文件)
3649.jpg 476KB
565.jpg 445KB
719.jpg 352KB
445.jpg 352KB
910.jpg 332KB
522.jpg 331KB
573.jpg 284KB
663.jpg 265KB
484.jpg 247KB
653.jpg 241KB
702.jpg 223KB
3670.jpg 214KB
3546.jpg 203KB
646.jpg 198KB
3583.jpg 195KB
3698.jpg 188KB
622.jpg 182KB
649.jpg 169KB
45.jpg 168KB
613.jpg 154KB
939.jpg 150KB
450.jpg 144KB
77.jpg 142KB
3613.jpg 141KB
493.jpg 140KB
788.jpg 138KB
3720.jpg 136KB
3349.jpg 136KB
581.jpg 134KB
708.jpg 130KB
336.jpg 129KB
647.jpg 127KB
358.jpg 127KB
543.jpg 127KB
3393.jpg 125KB
356.jpg 124KB
3295.jpg 123KB
3669.jpg 119KB
3364.jpg 119KB
3604.jpg 118KB
3462.jpg 118KB
804.jpg 116KB
676.jpg 115KB
3593.jpg 115KB
343.jpg 114KB
3346.jpg 111KB
3391.jpg 111KB
817.jpg 110KB
3619.jpg 109KB
3701.jpg 109KB
4.jpg 106KB
3501.jpg 106KB
391.jpg 106KB
563.jpg 105KB
544.jpg 105KB
837.jpg 104KB
497.jpg 103KB
641.jpg 102KB
3420.jpg 102KB
3444.jpg 100KB
3398.jpg 97KB
3535.jpg 97KB
616.jpg 96KB
814.jpg 95KB
414.jpg 95KB
660.jpg 95KB
3370.jpg 94KB
832.jpg 93KB
3363.jpg 92KB
50.jpg 92KB
3415.jpg 90KB
847.jpg 90KB
869.jpg 90KB
749.jpg 89KB
3507.jpg 88KB
899.jpg 87KB
85.jpg 84KB
871.jpg 84KB
355.jpg 81KB
966.jpg 81KB
562.jpg 80KB
812.jpg 80KB
799.jpg 79KB
529.jpg 79KB
48.jpg 79KB
624.jpg 79KB
3680.jpg 77KB
471.jpg 77KB
582.jpg 77KB
3411.jpg 76KB
718.jpg 76KB
586.jpg 76KB
693.jpg 75KB
3661.jpg 73KB
3557.jpg 73KB
965.jpg 73KB
392.jpg 73KB
3672.jpg 73KB
444.jpg 72KB
435.jpg 72KB
共 2000 条
- 1
- 2
- 3
- 4
- 5
- 6
- 20
资源评论
Ai医学图像分割
- 粉丝: 2w+
- 资源: 2128
下载权益
C知道特权
VIP文章
课程特权
开通VIP
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
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功