先是对图像进行划分
划分完后,
顺序读取文件夹,在文件夹里顺序读取图片,
卷积层又称为滤波器,通道是说滤波器的个数,黑白通道数为1,RGB通道个数为3
在输入层,对于输入层而言,滤波器的数量就是图像的色彩通道数量
但是对于中间层而言,滤波器的数量,
卷积层叫做滤波器,内核,通道是滤波器的个数,输出的通道层数只与当前滤波器的通道个数有关
通道为2,滤波器有两个
黄色部分为滤波器,有两个,是所以通道数是2
前两个参数表示卷积核的宽高,自己设定,最后一个参数是输入数据的通道数,输入数据为三通道,所以最后一个参数是3
每次卷积完,对本次卷积核的值加上运算结果,得到一个新的卷积核,
读取数据集
对于花的所有类别里,令标志+1,路径就变为根路径加上类别路径
然后图像集就算是对应路径下的所有图像
合并的话合并的维度可以不同,其它维度必须相同
axis是说堆叠后的数据放在那个位置上
所谓范数,实际上就是范数距离,L1范数就是绝对值加和,L2是距离值加和,范数趋于正无穷时,最大数占据绝对优势,那么再开根号就是这个向量里的最大值
卷积层的作用就是缩小图像的数据特征,把图像缩到更小的里面,有几个卷积面就有几个特征图
池化层,2,2最大池化层
卷积层-》池化层
卷积层池化层完后得到的是特征图,立体的,
需要拉长,就是FLATTEN方法,这下就把特征图拉长变到了一个向量
再连到隐藏层,有512个隐藏层神经元
这里面就是构建模型
5*5的原图,经过3*3卷积后,会变成3*3的特征图,
7*7的会变成5*5,即(7-3)/1+1,除以的那个分母是卷积层移动的步长
所以64,64,3的经过一层3,3卷积,会变成62,62
有32个卷积层的话,就会得到32个特征图,卷积核
卷积层由卷积核构成,卷积核的长宽是直接得到的,但是还有一个RGB属性,是直接由原始图像的RGB决定的,第一个卷积层里一共有32个卷积核,每个卷积核27个参数
卷积完后得到32个特征图,要对图整体进行微调,32个偏置参数
池化层的目的就是对特征图做压缩,缩小特征图的特征数量,有平均池化,最大、最小池化
BATCH_SIZE是说从原始数据集里一次取出来的数据个数,20就是说明每轮迭代取出来20个
就是说数据生成器会循环地产生数据,然后指定每轮迭代恒产