Traffic_Sign_Classifier

交通标志识别 写上去 使用LeNet神经网络对德国交通标志进行分类 建立交通标志识别项目 该项目的目标/步骤如下： 加载数据集（请参见下面的链接到项目数据集） 探索，总结和可视化数据集 设计，训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 用书面报告总结结果 专栏积分 在这里，我将分别考虑并描述我在实现过程中如何解决每个要点。 数据集摘要与探索 1.数据集摘要 我使用了pandas库来计算交通标志数据集的摘要统计信息： 训练集的大小是34799 验证集的大小为4410 测试集的大小是12630 交通标志图像的形状是（32，32，3） 数据集中唯一类/标签的数量为43 2.数据集的可视化。 以下是从“训练”数据集中选取的10张随机图像： 这是数据集的探索性可视化。 它是一个条形图，显示每个标志的图像数量： 设计和测试模型架构 1.预处理 我将图