1.准备训练集、测试集、验证集
参考：训练集、验证集、测试集以及交验验证的理解
一开始我把测试集和验证集混为一谈，因为挺多资料里的代码这两个照片集直接用同一个，后面才发现是两个集，而且分开的话训练的效果才更好。
1.训练集(train set) ：用来训练模型的图片数据样本。
2.验证集(validation set)：是模型训练过程中单独留出的样本集，它可以用于调整模型的超参数和用于对模型的能力进行初步评估。
3.测试集(test set)：其实就是最后需要分类的照片。
一个比喻：
训练集-----------53题目
验证集-----------53后面的答案，你需要对答案来判断自己的水平
（每个epoch结束后，把验证集拿来跑一下模型，根据指标判断一下这个epoch的训练效果，根据结果，判断是否要调整超参数（比如学习速率，dropout比例））
测试集-----------高考，考的题是平常都没有见过，考察学生举一反三的能力。
传统上，一般三者切分的比例是：6：2：2。
训练集：我差不多设置了每类250张左右（其实建议500张左右）。验证集：60张左右。测试集我其实每次只放了2、3张照片左右，就是看看效果）。
2.训练模型
train_datagen = keras.preprocessing.image.ImageDataGenerator(
preprocessing_function=keras.applications.resnet50.preprocess_input,
rotation_range=40,
width_shift_range=0.2,
height_shift_range=0.2,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True,
fill_mode='nearest',
)
train_generator = train_datagen.flow_from_directory(train_dir,
target_size=(height, width),
batch_size=batch_size,
seed=7,
shuffle=True,
class_mode="categorical")
valid_datagen = keras.preprocessing.image.ImageDataGenerator(
preprocessing_function=keras.applications.resnet50.preprocess_input)
valid_generator = valid_datagen.flow_from_directory(valid_dir,
target_size=(height, width),
batch_size=batch_size,
seed=7,
shuffle=False,
class_mode="categorical")
全部码:
懒的写了
optimizer=”sgd” 优化器看自己要选sgd 还是adam，我不知道哪个比较好
没赶紧写，现在码都找不到了
Original: https://blog.csdn.net/qq_43477666/article/details/115681889
Author: 你看我还有机会吗呜呜呜呜
Title: ResNet50图像分类
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/667129/
转载文章受原作者版权保护。转载请注明原作者出处！