最近更新有点慢，后台收到不少小伙伴的催更，先说声抱歉哈。最近在参加一个目标检测的比赛，时间比较紧张。这段时间我也打算调整一下思路，试着将目标检测中涉及的内容拆开来，将这些拆分的内容一点点融入到在后续的博客中。一方面兼具我现阶段的工作，一方面也不耽搁文章的更新进度。水到渠成后，就开始写目标检测方面的内容。
这篇文章中我放弃了以往的model.fit()训练方法，改用model.train_on_batch方法。两种方法的比较：
model.fit()：用起来十分简单，对新手非常友好model.train_on_batch()：封装程度更低，可以玩更多花样。
此外我也引入了进度条的显示方式，更加方便我们及时查看模型训练过程中的情况，可以及时打印各项指标。
🚀 我的环境：
- 语言环境：Python3.6.5
- 编译器：jupyter notebook
- 深度学习环境：TensorFlow2.4.1
- 显卡（GPU）：NVIDIA GeForce RTX 3080
- 数据和代码：📌【传送门】
🚀 深度学习
Original: https://blog.csdn.net/qq_38251616/article/details/119531838
Author: K同学啊
Title: 深度学习100例-卷积神经网络（VGG-16）猫狗识别 | 第21天
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/521812/
转载文章受原作者版权保护。转载请注明原作者出处！