0用CNN进行图像分类,tensorflow训练自己的数据集实现CNN图像分类1

出于专业及课题需求上学运用卷积神经网络的主意对脑部MRI印象开展病灶分割,想问问各位大神零基础的话须要上学怎么课程?谢谢

cabet228亚洲城,tensorflow升级到1.0事后,增添了有的高档模块: 如tf.layers, tf.metrics,
和tf.losses,使得代码稍微有些简化。

本文希望完毕一个简短的卷积神经网络布局,用于遥感图像的场景分类
,作为在遥感数据上拓展深度学习的入门实践

0用CNN进行图像分类,tensorflow训练自己的数据集实现CNN图像分类1。拔取卷积神经网络陶冶图像数据分为以下多少个步骤

义务:花卉分类


  1. 读取图片文件
  2. 发出用于操练的批次
  3. 概念陶冶的模子(包罗开首化参数,卷积、池化层等参数、网络)
  4. 训练

版本:tensorflow 1.0

这一次执行的严重性参考资料为凯文 Xu 的 Tensorflow tutorial: Cats vs.
dogs;在此表示感谢

1 读取图片文件

 1 def get_files(filename):
 2     class_train = []
 3     label_train = []
 4     for train_class in os.listdir(filename):
 5         for pic in os.listdir(filename+train_class):
 6             class_train.append(filename+train_class+'/'+pic)
 7             label_train.append(train_class)
 8     temp = np.array([class_train,label_train])
 9     temp = temp.transpose()
10     #shuffle the samples
11     np.random.shuffle(temp)
12     #after transpose, images is in dimension 0 and label in dimension 1
13     image_list = list(temp[:,0])
14     label_list = list(temp[:,1])
15     label_list = [int(i) for i in label_list]
16     #print(label_list)
17     return image_list,label_list

  那里文件名作为标签,即序列(其数据类型要规定,前面要转为tensor类型数据)。

  然后将image和label转为list格式数据,因为前面用到的的一部分tensorflow函数接收的是list格式数据。

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注

*
*
Website