Reconocimiento de imágenes de aprendizaje profundo de Python
Autor | Zhou Weineng
Fuente | Tinkerbell habla sobre SAS y Python
Python tiene grandes ventajas en el aprendizaje automático (inteligencia artificial, IA). Cuando hablamos de inteligencia artificial, generalmente hablamos del lenguaje Python que la implementa. Las conferencias anteriores también trataron sobre la aplicación del aprendizaje automático en el reconocimiento de imágenes. Hoy, hablemos sobre el uso del marco de aprendizaje profundo de Google, tensorflow y keras, para entrenar redes neuronales profundas y predecir imágenes desconocidas.
Importar módulo de Python
Importar datos de imagen
Fusionar datos de lista
Convertir datos de imagen en una matriz
Visualizar una imagen
Entrenar la red neuronal
Podemos ver que la precisión del conjunto de prueba alcanza el 99,67%
Predecir una imagen
La probabilidad de predecir un automóvil es del 100%. (Las etiquetas reales están entre paréntesis)
La probabilidad de que se prediga que será una mujer hermosa es del 100%. (Etiquetas verdaderas entre paréntesis)
Las predicciones para las primeras 15 imágenes del conjunto de prueba son completamente correctas. ¡Bien!
Finalmente identificaremos una sola imagen.
Se predice que el resultado será un coche. ¡Bien!
Finalmente, predijimos las imágenes de autos o mujeres hermosas que se descargan aleatoriamente desde el exterior.
Se predice que será un automóvil, ¡nada mal!
El editor tiene 10 imágenes aquí, las primeras 5 son imágenes de automóviles y las últimas cinco son imágenes de mujeres hermosas.
La predicción por lotes se realiza a continuación:
Los resultados también son completamente correctos.
Viendo esto, la red neuronal no es muy mágica. Si queremos que la red neuronal prediga con precisión, debemos proporcionar una gran cantidad de datos para entrenar el modelo y optimizarlo para lograr el propósito de precisión. identificación de imágenes, el reconocimiento de imágenes, como parte de la inteligencia artificial, ha madurado gradualmente. Aunque las máquinas a veces cometen errores, a través de la optimización continua, la tasa de error será cada vez menor, creo que la era de la inteligencia artificial o la inteligencia artificial. Más cosas inteligentes y hermosas. Hacer mayores contribuciones a la sociedad y a la libertad humana.