第四次作业张雨潇代码练习情况

1.下载数据

 

 2.数据处理

datasets 以多线程的形式从硬盘中读取数据，使用 mini-batch 的形式，在网络训练中向 GPU 输送。在使用CNN处理图像时，需要进行预处理。图片将被整理成  的大小，同时还将进行归一化处理。

 

 3.创建VGG Model

直接下载使用 ImageNet （120万张训练数据） 上预训练好的通用的CNN模型。同时，为了展示 VGG 模型对本数据的预测结果，还下载了 ImageNet 1000 个类的 JSON 文件。在这部分代码中，对输入的5个图片利用VGG模型进行预测，同时，使用softmax对结果进行处理，随后展示了识别结果。可以看到，识别结果是比较非常准确的。

 

 4.冻结前层的参数

VGG 模型由三种元素组成：

• 卷积层（CONV）是发现图像中局部的pattern
• 全连接层（FC）是在全局上建立特征的关联
• 池化（Pool）是给图像将为以提高特征的invariance

 

 5.训练并测试全连接层

第一步，创建损失函数和优化器

第二步，训练模型

第三步，测试模型

 

 

 

 

 

 

 

 提交结果