import tensorflow as tf
from keras import datasets, layers, models
import matplotlib.pyplot as plt
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer',
'dog', 'frog', 'horse', 'ship', 'truck']
plt.figure(figsize=(10,10))
for i in range(25):
plt.subplot(5,5,i+1)
plt.xticks([])
plt.yticks([])
plt.grid(False)
plt.imshow(train_images[i], cmap=plt.cm.binary)
plt.xlabel(class_names[train_labels[i][0]])
plt.show()
train_images, test_images = train_images/255.0, test_images/255.0
model = models.Sequential()
#增加一个卷积层,
model.add(layers.Conv2D(32, (3,3), activation='relu', input_shape=(32,32,3)))
#添加一个池化层
model.add(layers.MaxPool2D((2,2)))
model.add(layers.Conv2D(64, (3,3), activation='relu'))
model.add(layers.MaxPool2D((2,2)))
model.add(layers.Conv2D(64, (3,3), activation='relu'))
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10))
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
history = model.fit(train_images, train_labels, epochs=10,
validation_data=(test_images, test_labels))
plt.plot(history.history['accuracy'], label='accuracy')
plt.plot(history.history['val_accuracy'], label='val_accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.ylim([0.5, 1])
plt.legend(loc='lower right')
plt.show()
test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
机器学习+神经网络+案例.zip (34个子文件)
机器学习+神经网络+案例
案例
完整的深度神经网络进行图像分类example7.ipynb 13KB
复杂卷积神经网络对CIFAR10数据集进行分类example8.py 2KB
波士顿房价预测example2.ipynb 62KB
信用卡欺诈检测example3.ipynb 137KB
鸢尾花数据集分类example4.ipynb 3KB
基于LRMFC模型的航空公司乘客聚类分析example5.ipynb 285KB
神经网络
experiment63.ipynb 1.76MB
experiment67.ipynb 4KB
experiment69.ipynb 159KB
experiment65.ipynb 4KB
experiment71.ipynb 118KB
experiment64.ipynb 7KB
experiment60.ipynb 4KB
experiment62.ipynb 16KB
experiment68.ipynb 246KB
experiment66.ipynb 35KB
experiment70.ipynb 176KB
experiment61.ipynb 5KB
机器学习
experiment44.ipynb 41KB
experiment50.ipynb 107KB
experiment53.ipynb 14KB
experiment58.ipynb 62KB
experiment46.ipynb 11.65MB
experiment55.ipynb 67KB
experiment45.ipynb 4KB
experiment47.ipynb 248KB
experiment51.ipynb 9KB
experiment48.ipynb 75KB
experiment56.ipynb 7KB
experiment54.ipynb 5KB
experiment57.ipynb 138KB
experiment43.ipynb 177KB
experiment52.ipynb 3KB
experiment59.ipynb 233KB
共 34 条
- 1
资源评论
Saturn8523
- 粉丝: 747
- 资源: 31
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
- Android面试题.txt
- chujuyingshi1129802.apk
- 865804808983585自动化办公必备numpy、pandas数据处理课件.zip
- Fences 5是一款桌面整理软件,主要用于Windows操作系统,能够帮助用户更有效地管理和组织桌面上的图标和文件
- Appium入门 appium-desktop安装包,下载即可安装使用
- 初步图优化之后的fb bev 结构图
- 爬取cnnvd网站代码最新的 2024年
- 资源专区-毕业设计-数据分析-CRM客户关系管理系统
- 毕业设计-使用Matlab基于遗传算法+非线性规划实现的函数寻优算法-附项目源码.zip
- api接口python.rar
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