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!