卷积神经网络(二)CIFAR100类别分类

本文主要是介绍卷积神经网络(二)CIFAR100类别分类，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一.数据介绍

总共一百个类，每个类有600个图像。每类500个训练图像，100个测试图像。没填图像都带有一个"精细"标签（它所属的类）核一个粗糙标签（它所属的超类）

 二.API使用

用于构建CNN模型的API

Conv2D：实现卷积，kernel_size,strides,padding,datafromat,'NHWC'核'NCHW'

MaxPool2D:池化操作

import keras
import tensorflow as tf# 构建卷积层，filters：多少个卷积核，kernel_size每个卷积核为5*5大小
# strides：步长，padding：零填充大小为same形式，activation：使用什么激活函数
keras.layers.Conv2D(filters=32,kernel_size=5,strides=1,padding='same',data_format='channels_last',activation=tf.nn.relu)# 构建池化操作
keras.layers.MaxPool2D(pool_size=2,strides=2,padding='same')

 三：代码实现

1.读

这篇关于卷积神经网络(二)CIFAR100类别分类的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---