作者 | 周伟能
来源 | 小叮当讲 SAS 和 Python
Python 在机器学习(人工智能,AI)方面有着很大的优势。谈到人工智能,一般也会谈到其实现的语言 Python。前面有几讲也是关于机器学习在图像识别中的应用。今天再来讲一个关于运用 google 的深度学习框架 tensorflow 和 keras 进行训练深度神经网络,并对未知图像进行预测。
导入 python 模块
导入图像数据
合并列表数据
将图片数据转化为数组
显示一张图片
训练神经网络
我们可以看到测试集的准确率达到 99.67%
预测一个图像
预测为汽车的概率为 100%。(括号内为真实标签)
预测为美女的概率为 100%。(括号内为真实标签)
测试集中前 15 个图像预测完全正确。Nice!
最后我们来识别单张图片。
结果预测为汽车。Nice!
最后来预测一下外部随便下载的汽车或美女图片
预测为汽车,不错!
小编这里有 10 张图片,前 5 张为汽车图片,后五张为美女图片。
下面进行批量预测:
结果也是完全正确。
看到这里,感觉神经网络是不是很神奇,要想让神经网络预测得准确,我们就必须给予大量的数据进行训练模型,优化模型,以至于达到准确识别图像的目的,图像识别作为人工智能的一部分,现在已经慢慢走向成熟,虽然机器也有出错的时候,但是进过不断优化,错误率将会越来越小,相信机器智能或者人工智能时代能够创造出更多智能而美好的东西。为社会,为人类的自由做出更大的贡献。