CarND-Traffic-Sign-Classifier-

CarND交通标志分类器- 交通标志识别 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。 可以在找到项目代码 数据集摘要与探索 该项目使用的数据集是，可从下载 训练示例数= 34799 有效示例数= 4410 测试例数= 12630 图像数据形状=（32，32，3） 班级数量= 43 这是分类分布的图像。 设计和测试模型架构 1.图像数据预处理 将图像数据归一化，以使数据具有均值零和均等方差。 对于图像数据，（像素-128）/ 128是近似标准化数据的快速方法，可以在此项目中使用。 灰度转换-图像颜色不是交通标志的显着特征。 2.