图像数据集|你的猫是什么猫?一起用TensorFlow机器学习测试猫品种!( 二 )


如果列车精度高而验证精度低 , 则创建的模型过度拟合 。 这意味着该模型不能很好地概括测试数据 。 相反的情况下 , 模型也是不合适的 , 所以我们可以改进它 。
下图为熵 , 该曲线应该减少 。
图像数据集|你的猫是什么猫?一起用TensorFlow机器学习测试猫品种!文章插图
如何测试TensorFlow模型
模型达到要求后 , 我们就可以测试它:
bazel-bin/tensorflow/examples/label_image/label_image--graph=/tensor_flow/cats_retrained.pb--image=/tmp/lab1.jpg--input_layer=Mul--output_layer=final_result--labels=/tensor_flow/cats_labels.txt用下面的图像来测试模型:
图像数据集|你的猫是什么猫?一起用TensorFlow机器学习测试猫品种!文章插图
结果如下所示:
图像数据集|你的猫是什么猫?一起用TensorFlow机器学习测试猫品种!文章插图
如您所见 , 模型正确检测到了猫的品种 。
摘要
希望您通过本文了解了有关如何使用迁移学习创建自定义模型的知识 。 如果要在其他方案(例如移动应用程序)中使用此模型 , 则应考虑使用其他体系结构模型(即Mobilenet) 。
图像数据集|你的猫是什么猫?一起用TensorFlow机器学习测试猫品种!文章插图
编译出品