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。