計算機視覺-第08章3- -基于全連接網(wǎng)絡的圖像分類

人工智能視覺課程-基于全連接網(wǎng)絡的圖像分類人工智能學院01項目導入02項目任務03項目目標04知識鏈接05項目準備06任務實施07任務拓展08項目小結(jié)本章的任務是構(gòu)建、訓練、評估一個全連接網(wǎng)絡使得電腦具有將圖像根據(jù)所包含手寫數(shù)字進行分類的能力多類別分類任務項目任務2024/1/15301項目導入02項目任務03項目目標04知識鏈接05項目準備06任務實施07任務拓展08項目小結(jié)知識目標理解全連接神經(jīng)網(wǎng)絡結(jié)構(gòu)中的基本概念理解全連接神經(jīng)網(wǎng)絡的訓練步驟和相關概念技能目標掌握常用圖片分類數(shù)據(jù)集MNIST圖片分類數(shù)據(jù)集在keras中的使用方法掌握使用keras搭建和訓練一個全連接網(wǎng)絡的方法掌握使用神經(jīng)網(wǎng)絡進行圖像分類的方法掌握分類模型的量化評估方法項目目標2024/1/155職業(yè)素養(yǎng)目標培養(yǎng)學生嚴謹、細致、規(guī)范的職業(yè)素質(zhì)培養(yǎng)學生團隊協(xié)作、表達溝通能力培養(yǎng)學生跟蹤新技術(shù)、創(chuàng)新設計能力培養(yǎng)學生的技術(shù)標準意識、操作規(guī)范意識、服務質(zhì)量意識等項目目標2024/1/15601項目導入02項目任務03項目目標04知識鏈接05項目準備06任務實施07任務拓展08項目小結(jié)知識鏈接-全連接網(wǎng)絡2024/1/158全連接層上層的任意一個節(jié)點，都和當前層的所有節(jié)點連接全連接網(wǎng)絡：所有層都是全連接層的神經(jīng)網(wǎng)絡

美國國家標準與技術(shù)研究所手寫數(shù)字圖片每張圖片都有一個標簽，范圍0-960,000個訓練樣本10,000個測試樣本分辨率28*28知識鏈接-MNIST數(shù)據(jù)集2024/1/159Sequential序貫模型層與層之間只有相鄰關系無法實現(xiàn)跨層連接和多輸出可通過傳遞神經(jīng)層list或add()方法構(gòu)建Model函數(shù)式模型層與層之間任意連接編譯速度慢指定輸入層代表的變量知識鏈接-使用keras構(gòu)建網(wǎng)絡模型2024/1/1510Sequential序貫模型層與層之間只有相鄰關系無法實現(xiàn)跨層連接和多輸出可通過傳遞神經(jīng)層list或add()方法構(gòu)建Model函數(shù)式模型層與層之間任意連接編譯速度慢指定輸入層代表的變量知識鏈接-使用keras構(gòu)建網(wǎng)絡模型2024/1/1511防止過擬合準確率在訓練集上高，在測試集上低以一定概率，將輸入的神經(jīng)元數(shù)值隨機設為0知識鏈接-Dropout層2024/1/151201項目導入02項目任務03項目目標04知識鏈接05項目準備06任務實施07任務拓展08項目小結(jié)硬件條件一臺計算機軟件條件Windows10，64位PyCharmWindows社區(qū)版，Version:2021.1.2AnacondaWindowsPython3.8，64位TensorFlow(CPU版)1.14.0Keras2.2.5OpenCV-Python4.5.3.56、Numpy1.19.5、pydot-1.4.2等項目準備2024/1/151401項目導入02項目任務03項目目標04知識鏈接05項目準備06任務實施07任務拓展08項目小結(jié)任務實施-項目任務概述2024/1/1516任務實施-引入必要的庫2024/1/1517任務實施-選擇模型和構(gòu)建網(wǎng)絡2024/1/1518reshape輸出層不直接給出標簽值0-9，而是輸出圖片屬于每個標簽的概率任務實施-選擇模型和構(gòu)建網(wǎng)絡2024/1/1519網(wǎng)絡層級示意圖（神經(jīng)元數(shù)目簡化）輸入層隱藏層1隱藏層2隱藏層3輸出層任務實施-網(wǎng)絡訓練設置和編譯2024/1/1520Categoricalcrossentropy分類交叉熵函數(shù)：適用于多個分類唯一正確答案的任務SGD（StochaticGradientDescent），隨機梯度下降，一種梯度下降的方式，是一種Optimizer對象。Optimizer對象還包括RMSprop、Adam、Adagrad、Adadelta等。任務實施-數(shù)據(jù)準備2024/1/15214[0,0,0,0,1,0,0,0,0,0][0,0,…,0.3,0.5,…,0]78410任務實施-網(wǎng)絡訓練2024/1/1522可選參數(shù)含義batch_size對總的樣本數(shù)進行分組，每組包含的樣本數(shù)量epochs

訓練迭代次數(shù)shuffle是否把樣本隨機打亂之后再進行訓練validation_split數(shù)據(jù)集中多少比例的數(shù)據(jù)用來作為驗證集。verbose屏顯模式。0：不輸出1：輸出進度2：輸出每輪迭代的訓練結(jié)果任務實施-模型測試2024/1/15232[0,0.1,0.6,0.1,0,0,0.2,0,0,0]01項目導入02項目任務03項目目標04知識鏈接05項目準備06任務實施07任務拓展08項目小結(jié)在本項目的訓練設置中，我們使用SGD作為優(yōu)化器。可以嘗試使用keras.Optimizer中的其他優(yōu)化器進行訓練，與SGD進行比較。本項目我們使用categoricalcrossentropy作為損失函數(shù)，可以嘗試使用MSE，比較訓練結(jié)果。任務拓展2024/1/152501項目導入02項目任務03項目目標04知識鏈接05項目準備06任務實施07