机器学习-花卉识别系统

发布时间:2024-06-27 10:01

介绍

机器学习,人工智能,模式识别课题项目,基于tensorflow机器学习库使用CNN算法通过对四种花卉数据集进行训练,得出训练模型。同时基于Django框架开发可视化系统,实现上传图片预测是否为玫瑰,蒲公英,郁金香,向日葵等花卉,并集成后台管理系统,可查看概率值,以及上传预测信息。

\"机器学习-花卉识别系统_第1张图片\"

\"机器学习-花卉识别系统_第2张图片\"

\"机器学习-花卉识别系统_第3张图片\"

\"机器学习-花卉识别系统_第4张图片\"

技术栈

  • 机器学习库:tensorflow
  • 算法:CNN
  • WEB框架:Django

核心部分

# 进行batch的训练
try:
    # 执行MAX_STEP步的训练,一步一个batch
    for step in np.arange(MAX_STEP):
        if coord.should_stop():
            break
        _, tra_loss, tra_acc = sess.run([train_op, train_loss, train_acc])

        # 每隔50步打印一次当前的loss以及acc,同时记录log,写入writer
        if step % 10 == 0:
            print(\'Step %d, train loss = %.2f, train accuracy = %.2f%%\' % (step, tra_loss, tra_acc * 100.0))
            summary_str = sess.run(summary_op)
            train_writer.add_summary(summary_str, step)
        # 每隔100步,保存一次训练好的模型
        if (step + 1) == MAX_STEP:
            checkpoint_path = os.path.join(logs_train_dir, \'model.ckpt\')
            saver.save(sess, checkpoint_path, global_step=step)

except tf.errors.OutOfRangeError:
    print(\'Done training -- epoch limit reached\')

finally:
    coord.request_stop()

联系v:sql2202

ItVuer - 免责声明 - 关于我们 - 联系我们

本网站信息来源于互联网,如有侵权请联系:561261067@qq.com

桂ICP备16001015号