【文件属性】：
文件名称：CNN_Lab2:CNN实验室2的做法
文件大小：629KB
文件格式：ZIP
更新时间：2021-04-18 02:41:18
Python
2号实验室工作。
实验室工作的目的：使用“转移学习”学习技术训练神经网络[1]。
任务：
使用示例[2]，训练神经网络EfficientNet-B0 [3,4,5]（随机初始逼近）来解决食品101图像分类的问题[6]。
使用[2]和“转移学习” [7]训练技术，训练EfficientNet-B0神经网络（基于imagenet图像进行预训练）以解决Food-101图像分类问题。
注意：在本实验中，BATCH_SIZE已从256更改为64。
1.使用示例[2]，训练神经网络EfficientNet-B0 [3,4,5]（随机初始逼近），以解决食物分类101 [6]的图像分类问题。
神经网络架构：
输入数据（图像尺寸224x224像素）：
inputs = tf.keras.Input(shape=(RESIZE_TO, RESIZE_TO, 3)) // 224x224x3
【文件预览】：
CNN_Lab2-main
----train_before.py(3KB)
----after_logs_maxPool()
--------f101-1618594158.3592324()
----train_after_max.py(3KB)
----prev_logs()
--------f101-1618567650.9927955()
----after_logs_avgPool()
--------f101-1618667255.514618()
----graphs()
--------after_epoch_loss_avgPool.svg(17KB)
--------prev_epoch_categorical_accuracy.svg(14KB)
--------after_epoch_categorical_accuracy_maxPool.svg(19KB)
--------prev_epoch_loss.svg(14KB)
--------after_epoch_categorical_accuracy_avgPool.svg(19KB)
--------after_epoch_loss_maxPool.svg(18KB)
----README.md(8KB)
----train_after_avg.py(3KB)