整體上採用遷移學習來訓練神經網路，使用inceptionv3結構，框架採用keras.
具體思路：
讀取資料，儲存成.npy格式，方便後續載入
標籤採用one-hot形式，由於標籤隱藏在資料夾命名中，所以需要自行新增標籤，並儲存到.npy檔案中，方便後續載入
將資料分為訓練集、驗證集、測試集
使用keras建立inceptionv3基本模型，不包括頂層，使用預訓練權重，在基本模型的基礎上自定義幾層神經網路，得到最後的模型，對模型進行訓練
優化模型，調整超引數，提高準確率
在測試集上對模型進行評估，使用精確率、召回率
對單張進行**，並輸出每種類別的概率
二分類 多分類
怎麼樣把兩類的分類的模型推廣到多類上？答 a.一對多法 one versus rest,簡稱ovr svms 訓練時依次把某個類別的樣本歸為一類,其他剩餘的樣本歸為另一類，這樣k個類別的樣本就構造出了k個svm。分類時將未知樣本分類為具有最大分類函式值的那類。b.一對一法 one versus on...
二分類問題
模型 帶有relu啟用的dense層堆疊 對於二分類問題，網路的最後一層應該是只有乙個單元並使用sigmoid啟用的dense層，網路的輸出應該是0 1的標量，表示概率值 對於二分類問題的sigmoid標量輸出，應該使用binary crossentroy 二元交叉熵 損失函式 實驗 1 嘗試增加或...
二分類問題
深度學習中的基本問題就是這個，上午我還達到90 85 的acc，現在只有76 臥槽，我動 了啊？有鬼。明明沒怎麼改引數，卻再也回不到過去，這個trick不小啊。既然回不到過去，不妨重新開始吧。我套了一下vgg，發現網路太深了，根本跑不動，效果也不好，減少網路後，acc反而有提高，之前我還以為驗證集有...