部署CNN测试

识别膳食– DLNN集团项目 抽象的 该项目的目的是根据101种给定的食物类别对食物图片进行分类。 该方法学方法基于卷积神经网络模型，该模型分析了被分为101类的美食菜肴图片的数据集。 使用初始模型以测试数据集的精度达到80％可获得最佳结果。 介绍 图像识别是一种在社交媒体中越来越流行的技术。 它可以用于识别图片中人物，产品，品牌和地点的误差幅度很小。 该项目旨在以较低的规模重新创建该技术。为该项目设计的方法论方法包括5个模块： 项目的第一步是准备数据以训练模型。 在此步骤中，将详细介绍数据集的来源，导入过程和数据集分区。 第二阶段是模型开发。 将开发两种类型的模型：一种是从零开始设计的基线模型，另一种是在Kaggle中识别出的预训练模型。 在第3阶段，将从每种类型中选择最准确的模型。 最后一步是开发最终模型的部署。 1.数据准备 1.1数据集 所使用的数据集是Kaggle1上的F