赞
踩
程序代码:
https://download.csdn.net/download/do_it_123/88928187
CIFAR10 数据集由加拿大 Canadian Institute For Advanced Research 发布,它包含了飞机、汽车、鸟、猫等共 10 大类物体的彩色图片,每个种类收集了 6000 张32 × 32大小图片,共 6 万张图片。其中 5 万张作为训练数据集, 1 万张作为测试数据集。
CIFAR10 图片识别任务并不简单,这主要是由于 CIFAR10 的图片内容需要大量细节才能呈现, 而保存的图片分辨率仅有32 × 32,使得部分主体信息较为模糊,甚至人眼都很难分辨。 浅层的神经网络表达能力有限,很难训练优化到较好的性能,本节将基于表达能力更强的 VGG13 网络,根据我们的数据集特点修改部分网络结构,完成 CIFAR10 图片识别。修改如下:
❑ 将网络输入调整为32 × 32。 原网络输入为22 × 22 ,导致全连接层输入特征维度过
大,网络参数量过大。
❑ 3 个全连接层的维度调整为 2 ,满足 10 分类任务的设定。
下图是调整后的 VGG13 网络结构,我们统称之为 VGG13 网络模型。
卷积网络总参数量约为 940 万个,全连接网络总参数量约为 17.7 万个,网络总参数量约为950 万个,相比于原始版本的 VGG13 参数量减少了很多。 运行 cifar10_train.py 文件即可开始训练模型,在训练完 50 个 Epoch 后,网络的测试准确率达到了 77.5%。
备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除。
创作不易,相关程序,说明文档需求,如需要,可加作者新联系方式,WX:Q3101759565,QQ:3101759565[多加几次!!!]
祝您学业有成!工作顺利! 年薪百万!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。