最近更新有點慢，后臺收到不少小伙伴的催更，先說聲抱歉哈。最近在參加一個目標檢測的比賽，時間比較緊張。這段時間我也打算調(diào)整一下思路，試著將目標檢測中涉及的內(nèi)容拆開來，將這些拆分的內(nèi)容一點點融入到在后續(xù)的博客中。一方面兼具我現(xiàn)階段的工作，一方面也不耽擱文章的更新進度。水到渠成后，就開始寫目標檢測方面的內(nèi)容。

這篇文章中我放棄了以往的model.fit()訓練方法，改用model.train_on_batch方法。兩種方法的比較：

• model.fit()：用起來十分簡單，對新手非常友好
• model.train_on_batch()：封裝程度更低，可以玩更多花樣。

此外我也引入了進度條的顯示方式，更加方便我們及時查看模型訓練過程中的情況，可以及時打印各項指標。

?? 我的環(huán)境：

• 語言環(huán)境：Python3.6.5
• 編譯器：jupyter notebook
• 深度學習環(huán)境：TensorFlow2.4.1
• 顯卡（GPU）：NVIDIA GeForce RTX 3080
• 數(shù)據(jù)和代碼：??【傳送門】

?? 本文選自專欄：《深度學習100例》

?? 深度學習

總結

以上是生活随笔為你收集整理的深度学习100例-卷积神经网络（VGG-16）猫狗识别 | 第21天的全部內(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。