用于CIFAR 10 图像分类的卷积神经网络 源码

用于CIFAR-10-图像分类的卷积神经网络 使用CNN进行CIFAR-10图像分类 CIFAR-10数据集包含来自10类的32x32彩色图像:飞机,汽车,鸟类,猫,鹿,狗,青蛙,马,船,卡车: 1.准备数据 我们需要将输入标准化,例如:$$ x_ {norm} = \ frac {x} {255}-0.5 $$ 我们需要将类标签转换为一键编码的向量。 使用keras.utils.to_categorical 。 2.定义要用来训练模型的架构 3.训练模型 该模型训练了10个时期 4. ##评估模型 在测试集上评估模型。 打印混淆矩阵。 在混淆矩阵中,单元格的颜色越亮表示该单元格中的值越高。 理想情况下,矩阵的对角线应为高值,以指示模型正确预测了真实标签。 5.可视化类激活图 以下代码将打印正在考虑的图像,它是对应的激活图,以及覆盖在图像上的激活图。 这有助于我们找出有助于网络进行预测/