共计 1670 个字符，预计需要花费 5 分钟才能阅读完成。
介绍
Python 作业
机器学习，人工智能，模式识别课程，鸟类辨认检测零碎。
- 这是一个鸟类辨认我的项目，基于 tensorflow，应用卷积神经网络实现对 200 种鸟类进行辨认。
- 在数据集中收集了 200 中鸟类图片，每种鸟类都有着 40~60 张图片，通过对这些数据集进行训练，从而实现对这 200 中鸟类进行辨认。
- 通过模型算法构建，在服务器上通过 30 次迭代，目前已将鸟类预测由 0.005 准确率（1/200）晋升至 0.5 左右，准确率晋升了 100 倍，合乎预期成果。
- 提供后盾管理系统，将辨认数据保留进数据库中，并在管理系统中查看。
应用
- 语言 python3.8
- tensorflow==2.8
- django
界面
提示框中显示的 Yellow haded blackbird 即为鸟类名称，当然如果须要翻译中中文也能够。
模型迭代次数
次要代码
model = tf.keras.Sequential([tf.keras.layers.Conv2D(64, (3, 3), input_shape=(256, 256, 3),
activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.MaxPooling2D(),
tf.keras.layers.Conv2D(128, (3, 3), activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.Conv2D(128, (3, 3), activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.MaxPooling2D(),
tf.keras.layers.Conv2D(256, (3, 3), activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.Conv2D(256, (3, 3), activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.MaxPooling2D(),
tf.keras.layers.Conv2D(512, (3, 3), activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.Conv2D(512, (3, 3), activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.MaxPooling2D(),
tf.keras.layers.Conv2D(512, (3, 3), activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.Conv2D(512, (3, 3), activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.Conv2D(512, (3, 3), activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.GlobalAveragePooling2D(),
tf.keras.layers.Dense(1024, activation='relu'),
tf.keras.layers.BatchNormalization(),
tf.keras.layers.Dense(200)
]) 如需征询，分割 q：2784127853
正文完
