文章目录前言加州理工学院鸟类数据库分类VGG16 BN版数据生成器图片显示VGG16 BN模型构建VGG16 BN模型编译与拟合注意： GitHub下载地址：
前言一、Windows系统下Tensorflow2.x(2.6 )二、深度学习-读取数据三、Tensorflow图像处理预算四、线性回归模型Tensorflow实现五、深度学习-逻辑VGG16鸟类数据库分类加州理工学院鸟类数据库分类VGG16 BN版数据生成器from keras.preprocessing.imageimportimagedatageneratorimsize=224 train _ generation (rescale=1./255 ).flow _ from _ directory (' ./data/data _ vgg/train '，target_size=) IMSIZE， IMSIZE class_mode='categorical ' ) validation _ generator=image data generator (rescale=1./255 ).flow _ from _ from _ ged class_mode='categorical ' )图像是示出frommatplotlibimportpyplotas的ax=PLT.subplots (2，5 ) fig.set _ figheigheighots y=next(validation_generator ) forIinrange ) 15 ) :ax[I].imshow ) x[I，， ]vgg16bn模型构建#VGG16 BN实现#VGG16 BN模型构建from keras.layers import Conv2D，BatchNormalization，max poling2dfrom keras.layers impors activationfromkerasimportmodelfromkeras.layersimportglobalaveragepooling 2d input _ shape=(imsize，im size， 3 ) input_layer=input(input_shape ) x=input _ layerx=batch normalization (axis=3) ) x ) x=conv2d(64， [ axis=3] activation=' relu ' (x ) x=batchnormalization ) axis=3) x ) x=conv2d(64，[ 3，3 ]，padding=' sstion activation 2) ) x ) x=batchnormalization(axis=3) ) x ) x ) x ) x=conv2d ) 128，[ 3，3 ]，padding='same '，activation=action activation='relu ' ) (x ) x=max pooling 2d ((2，2 ) ) ) x ) x ) x=batchnormalization ) aamax activation='relu ' ) (x ) padding='same '，activation='relu'(x ) x=batchnormalization ) axis=3) x ) x=conv2d(256，[ 3，3，3 ]，padddind acce 2) ) x ) x=batchnormalization(axis=3) ) x ) x ) x ) x ) x=conv2d ) 512，[ 3，3 ]，padding='same '，activation ' ation ' activation ' ation ' reled ' ativation (activation='relu ' ) (x ) x=batchnormalization(axis=3) (x ) x=conv2d ) 512， [axis=3] activation='relu'(x ) x=maxpooling2d ()2) ) x ) x=batchnormalization(axis=3) ) x ) x=conv2d ) (x ) x=batchnormalization ) axis=3) x=conv2d(512，[ 3，3 ]，padding='same '，activation='relu'(x ) padding='same '， acce 2) x ) x=GlobalAveragePooling2D () x ) x=dense ) 315 ) x ) x ) x=activation(softmax ) x ) output _ layer output _ layer MK eras.optimizersimportadammodel _ vgg 16.com pile ) loss optimizer=Adam(lr=0.001 )，metrics=['accuracy'] ) modmode
因为自己使用的是tensorflow-GPU版本，所以自己的电脑是1050Ti，4G显示器。 在运行时，batch_size设置为小于15个大小，如果太大，内存资源将不足。
但是，batch_size太小，总数据集很大，最终消耗的时间会很长。
所以，为了提高效率和烧图形卡，请适当考虑
数据集来源： kaggle平台315种鸟类： 315 bird species-class ification|ka ggle
GitHub下载位置： Tensorflow1.15深度学习