作者 | 周偉能
來源 | 小叮當講SAS和Python
Python在機器學習(人工智能,AI)方面有著很大的優勢。談到人工智能,壹般也會談到其實現的語言Python。前面有幾講也是關於機器學習在圖像識別中的應用。今天再來講壹個關於運用google的深度學習框架tensorflow和keras進行訓練深度神經網絡,並對未知圖像進行預測。
導入python模塊
導入圖像數據
合並列表數據
將圖片數據轉化為數組
顯示壹張圖片
訓練神經網絡
我們可以看到測試集的準確率達到99.67%
預測壹個圖像
預測為汽車的概率為100%。(括號內為真實標簽)
預測為美女的概率為100%。(括號內為真實標簽)
測試集中前15個圖像預測完全正確。Nice!
最後我們來識別單張圖片。
結果預測為汽車。Nice!
最後來預測壹下外部隨便下載的汽車或美女圖片
預測為汽車,不錯!
小編這裏有10張圖片,前5張為汽車圖片,後五張為美女圖片。
下面進行批量預測:
結果也是完全正確。
看到這裏,感覺神經網絡是不是很神奇,要想讓神經網絡預測得準確,我們就必須給予大量的數據進行訓練模型,優化模型,以至於達到準確識別圖像的目的,圖像識別作為人工智能的壹部分,現在已經慢慢走向成熟,雖然機器也有出錯的時候,但是進過不斷優化,錯誤率將會越來越小,相信機器智能或者人工智能時代能夠創造出更多智能而美好的東西。為社會,為人類的自由做出更大的貢獻。