在之前的文章中我們通過Xception算法模型實現(xiàn)了狗、貓、雞、馬四種的動物的識別（新模型！實現(xiàn)動物識別）。今天我們接著介紹MobileNetV2算法，將數(shù)據(jù)集擴充到90個類別，即使用 90 個不同類別的動物圖片，每個類別分別含有60張圖片，一共 5400 張圖片進行識別。最后達到的準確率是86.2%　。代碼與數(shù)據(jù)我放在文末了，需要的自取。

我的環(huán)境：

• 語言環(huán)境：Python3.8
• 編譯器：Jupyter lab
• 深度學習環(huán)境：TensorFlow2.4.1
• 選自專欄：《深度學習100例》

我們的代碼流程圖如下所示：

文章目錄

• 一、設(shè)置GPU
• 二、導(dǎo)入數(shù)據(jù)
• • 1. 查看數(shù)據(jù)
  • 2. 加載數(shù)據(jù)
  • 3. 配置數(shù)據(jù)集
  • 4. 數(shù)據(jù)可視化
• 三、構(gòu)建MobileNetV2遷移模型

總結(jié)

以上是生活随笔為你收集整理的深度学习100例 | 第30天：TensorFlow2 实现动物识别（90类）MobileNetV2算法（内附源码与数据）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。