前言:
经历了三四天的训练,总算让模型维持在9成以上的准确率?
val_accuracy 的部分,我还在想如何提高,有可能需要舍弃掉每次训练 accuracy 下降的结果
改成只储存数值高的 accuracy
训练:
835/835 [==============================] - 367s 439ms/step - batch: 417.0000 - size: 8.0000 - loss: 0.0250 - accuracy: 0.9907 - val_loss: 4.0026
- val_accuracy: 0.6502
储存训练模型
835/835 [==============================] - 368s 440ms/step - batch: 417.0000 - size: 8.0000 - loss: 0.0235 - accuracy: 0.9924 - val_loss: 3.9955
- val_accuracy: 0.6466
储存训练模型
835/835 [==============================] - 369s 442ms/step - batch: 417.0000 - size: 8.0000 - loss: 0.0224 - accuracy: 0.9925 - val_loss: 4.1223
- val_accuracy: 0.6418
储存训练模型
835/835 [==============================] - 336s 402ms/step - batch: 417.0000 - size: 8.0000 - loss: 0.0226 - accuracy: 0.9916 - val_loss: 3.8956
- val_accuracy: 0.6611
储存训练模型
835/835 [==============================] - 326s 390ms/step - batch: 417.0000 - size: 8.0000 - loss: 0.0232 - accuracy: 0.9928 - val_loss: 3.9565
- val_accuracy: 0.6514
储存训练模型
辨识:
python predict_resnet50.py 50.jpg
['50.jpg']
=============================
...
50.jpg
准确率: 99.84% 050.Chinese_shar-pei
准确率: 0.16% 088.Irish_water_spaniel
准确率: 0.00% 003.Airedale_terrier
准确率: 0.00% 069.French_bulldog
准确率: 0.00% 047.Chesapeake_bay_retriever
准确率: 0.00% 051.Chow_chow
准确率: 0.00% 103.Mastiff
准确率: 0.00% 038.Brussels_griffon
准确率: 0.00% 027.Bloodhound
准确率: 0.00% 041.Bullmastiff
>>: Day 18 self-attention的实作准备(四) keras的compile和fit
接续第2页- 可参考什麽是Intent意图? https://litotom.com/ch5-2-i...
# -*- coding: utf-8 -*- import cv2 import numpy as...
Facebook、Instagram 应该都是我们日常生活中非常依赖的社群媒体了,每天闲来无事就要...
前言 Tableau Desktop 版本更新非常快速,平均一季会推出一个新版本,每个版本之间在介面...
Day4有跟大家提到for回圈,但并非所有条件都必须用for回圈来写,这个时候我们就可以利用whil...