当前位置:网站首页 >> 体育

有关艺术画作分类的Kaggle比赛经验分

时间:2020-03-27 12:13:47 来源:互联网 阅读:0次

有关艺术画作分类的 Kaggle 比赛经验分享

本文为 AI 研习社编译的技术博客,原标题 :

Classifying Artwork Images Kaggle Competition

作者 |Terrance Whitehurst

翻译 |M惠M

校对 | 酱番梨 整理 | 菠萝妹

原文链接:

源代码!

概述!在这个项目中,我将使用迁移学习和深度学习框架Keras对kaggle数据集中的不同艺术作品图像进行分类。

你将学到什么!使用keras库进行分类任务

使用keras进行迁移学习

数据增强

我们开始吧!#1

首先导入所有的依赖项。

#2

加载了训练和验证集以及艺术图像的类别。

还设置了一些hyper参数,以便在培训和加载模型时使用。

#3

按类别将训练图像进行可视化。

#4

将来自不同类的一些图像进行可视化。

#5

使用for循环创建训练数据和测试数据。

#6

定义函数来加载数据集。

#7

使用keras的“ImageDataGenerator()”来增强数据。然后将训练数据与扩充相匹配。

#8

这是最终模型。它是一个两层络,有两个密集的层和一个输出层。在我们完成模型架构之后,我们还必须在培训之前编译模型。

#9

这使用数据增强创建一个生成器。接下来调用“fit_generator()”来训练模型,并添加“history”,这样就可以可视化之后的训练。

#10

使用在“fit_generator()”之前调用的“history”来查看各个时代的损失和准确性。

#11

创建一个测试集来获得预测

#12

调用“predict()”来获得预测,然后创建一个分类报告和混淆矩阵,以查看模型做得有多好!

#13

使用“plot_model()”来获得模型架构的图像,我将在下面显示。

结论下面是我在这个项目中使用的可视化模型

学习快乐!

想要继续查看该篇文章相关链接和参考文献?

长按链接点击打开或点击【有关艺术画作分类的 Kaggle 比赛经验分享】:

AI研习社每日更新精彩内容,观看更多精彩内容:(公众号:)

这5种计算机视觉技术,刷新你的世界观迁移学习:如何将预训练CNN当成特征提取器新手必看:深度学习是什么?它的工作原理是什么?Python高级技巧:用一行代码减少一半内存占用

等你来译:

预训练模型及其应用一文带你读懂线性分类器(Python)3D人脸处理工具face3d让你的电脑拥有“视力”,用卷积神经络就可以

原创文章,未经授权禁止转载。详情见转载须知。

长春华山医院咨询电话是多少
上海徐浦医院网上挂号
贵阳癫痫科专科医院
青海最好的白癜风专科医院
四川省生殖医院较好的专家是哪位

相关文章

一周热门

热点排行

热门精选

友情链接:
媒体合作:

Copyright (c) 2011 八零CMS 版权所有 备案号:苏ICP备17012668号-3

网站地图