采用keras框架快速構建識別人臉微笑模型

-- coding: utf-8 --

"""
Created on Sun Nov 11 19:28:04 2018

@author: ltx
"""
import numpy as np
import tensorflow as tf
import keras
import matplotlib.pyplot as plt
import kt_utils
from matplotlib.pyplot import imshow
from keras.applications.imagenet_utils import preprocess_input

載入數(shù)據(jù)集

train_x,train_y,test_x,test_y,classes=kt_utils.load_dataset()

歸一化數(shù)據(jù)集

train_x=train_x/255
test_x=test_x/255
train_y=train_y.T
test_y=test_y.T

---------keras快速構建卷積模型---

def happy_model(X_shape):
input_X=keras.Input(X_shape)
#使用0填充數(shù)據(jù)集邊框
X=keras.layers.ZeroPadding2D(padding=(3,3))(input_X)
#進行圖像數(shù)據(jù)的卷積
X_CNN=keras.layers.Conv2D(30,(6,6),strides=(1,1),name="conv0")(X)
#batchNormal
X_BN=keras.layers.BatchNormalization(axis=3)(X_CNN)
#激活
X_JH=keras.layers.Activation(activation="relu")(X_BN)
#建立池化層
X_Pool=keras.layers.MaxPool2D((5,5))(X_JH)
#一維化池化層的值

X_YW=keras.layers.Flatten()(X_Pool)
#構建全連接層
X_FC=keras.layers.Dense(units=1,activation="sigmoid")(X_YW)
#創(chuàng)建微笑模型
model=keras.Model(inputs=input_X,outputs=X_FC,name="happy_model")
return model

使用卷積模型來訓練

1.生成keras模型實例

happy=happy_model(train_x.shape[1:])

2.編譯keras模型

happy_c=happy.compile(optimizer="adam",loss="binary_crossentropy",metrics=["accuracy"])

3.訓練keras模型

happy.fit(x=train_x,y=train_y,batch_size=68,epochs=50)

評估keras模型

prediction=happy.evaluate(x=test_x,y=test_y,batch_size=32)
print("模型的誤差值為:"+str(prediction[0]))
print("模型的準確度為:"+str(prediction[1]))

將訓練好的keras模型用于預測自己的圖片(不一定效果好)

img_path='images/smile7.jpg'
img=keras.preprocessing.image.load_img(path=img_path,target_size=(64,64))
imshow(img)
X=keras.preprocessing.image.img_to_array(img)
X=np.expand_dims(X,axis=0)
X = preprocess_input(X)

print(happy.predict(X))

-------------實驗結果-------------------


微笑.png
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末坐搔,一起剝皮案震驚了整個濱河市搪桂,隨后出現(xiàn)的幾起案子斯辰,更是在濱河造成了極大的恐慌饲宛,老刑警劉巖坦袍,帶你破解...
    沈念sama閱讀 221,888評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件哟旗,死亡現(xiàn)場離奇詭異碟联,居然都是意外死亡脑豹,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,677評論 3 399
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來呵晚,“玉大人蜘腌,你說我怎么就攤上這事×痈伲” “怎么了逢捺?”我有些...
    開封第一講書人閱讀 168,386評論 0 360
  • 文/不壞的土叔 我叫張陵,是天一觀的道長癞季。 經常有香客問我劫瞳,道長,這世上最難降的妖魔是什么绷柒? 我笑而不...
    開封第一講書人閱讀 59,726評論 1 297
  • 正文 為了忘掉前任志于,我火速辦了婚禮,結果婚禮上废睦,老公的妹妹穿的比我還像新娘伺绽。我一直安慰自己,他們只是感情好嗜湃,可當我...
    茶點故事閱讀 68,729評論 6 397
  • 文/花漫 我一把揭開白布奈应。 她就那樣靜靜地躺著,像睡著了一般购披。 火紅的嫁衣襯著肌膚如雪杖挣。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,337評論 1 310
  • 那天刚陡,我揣著相機與錄音惩妇,去河邊找鬼。 笑死筐乳,一個胖子當著我的面吹牛歌殃,可吹牛的內容都是我干的。 我是一名探鬼主播蝙云,決...
    沈念sama閱讀 40,902評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼氓皱,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了勃刨?” 一聲冷哼從身側響起匀泊,我...
    開封第一講書人閱讀 39,807評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎朵你,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體揣非,經...
    沈念sama閱讀 46,349評論 1 318
  • 正文 獨居荒郊野嶺守林人離奇死亡抡医,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 38,439評論 3 340
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片忌傻。...
    茶點故事閱讀 40,567評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡大脉,死狀恐怖,靈堂內的尸體忽然破棺而出水孩,到底是詐尸還是另有隱情镰矿,我是刑警寧澤,帶...
    沈念sama閱讀 36,242評論 5 350
  • 正文 年R本政府宣布俘种,位于F島的核電站秤标,受9級特大地震影響,放射性物質發(fā)生泄漏宙刘。R本人自食惡果不足惜苍姜,卻給世界環(huán)境...
    茶點故事閱讀 41,933評論 3 334
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望悬包。 院中可真熱鬧衙猪,春花似錦、人聲如沸布近。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,420評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽撑瞧。三九已至棵譬,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間季蚂,已是汗流浹背茫船。 一陣腳步聲響...
    開封第一講書人閱讀 33,531評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留扭屁,地道東北人算谈。 一個月前我還...
    沈念sama閱讀 48,995評論 3 377
  • 正文 我出身青樓,卻偏偏與公主長得像料滥,于是被迫代替她去往敵國和親然眼。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 45,585評論 2 359

推薦閱讀更多精彩內容