3 類似VGG的卷積神經(jīng)網(wǎng)絡(luò)

import numpy as np
import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras.optimizers import SGD

# Generate dummy data
x_train = np.random.random((100, 100, 100, 3))
y_train = keras.utils.to_categorical(np.random.randint(10, size=(100, 1)), num_classes=10)
x_test = np.random.random((20, 100, 100, 3))
y_test = keras.utils.to_categorical(np.random.randint(10, size=(20, 1)), num_classes=10)

model = Sequential()
# input: 100x100 images with 3 channels -> (100, 100, 3) tensors.
# this applies 32 convolution filters of size 3x3 each.
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(100, 100, 3)))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(10, activation='softmax'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd)

model.fit(x_train, y_train, batch_size=32, epochs=10)
score = model.evaluate(x_test, y_test, batch_size=32)
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 人面猴
    序言：七十年代末笤喳，一起剝皮案震驚了整個濱河市蔚叨，隨后出現(xiàn)的幾起案子，更是在濱河造成了極大的恐慌咒吐，老刑警劉巖线定，帶你破解...
    沈念sama閱讀 218,284評論 6贊 506
  • 死咒
    序言：濱河連續(xù)發(fā)生了三起死亡事件娜谊，死亡現(xiàn)場離奇詭異，居然都是意外死亡斤讥，警方通過查閱死者的電腦和手機纱皆，發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,115評論 3贊 395
  • 救了他兩次的神仙讓他今天三更去死
    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周偎，“玉大人抹剩，你說我怎么就攤上這事∪乜玻” “怎么了澳眷？”我有些...
    開封第一講書人閱讀 164,614評論 0贊 354
  • 道士緝兇錄：失蹤的賣姜人
    文/不壞的土叔 我叫張陵，是天一觀的道長蛉艾。 經(jīng)常有香客問我钳踊，道長，這世上最難降的妖魔是什么勿侯？ 我笑而不...
    開封第一講書人閱讀 58,671評論 1贊 293
  • ?港島之戀（遺憾婚禮）
    正文 為了忘掉前任拓瞪，我火速辦了婚禮，結(jié)果婚禮上助琐，老公的妹妹穿的比我還像新娘祭埂。我一直安慰自己，他們只是感情好，可當(dāng)我...
    茶點故事閱讀 67,699評論 6贊 392
  • 惡毒庶女頂嫁案：這布局不是一般人想出來的
    文/花漫 我一把揭開白布蛆橡。 她就那樣靜靜地躺著舌界，像睡著了一般。 火紅的嫁衣襯著肌膚如雪泰演。 梳的紋絲不亂的頭發(fā)上呻拌，一...
    開封第一講書人閱讀 51,562評論 1贊 305
  • 城市分裂傳說
    那天，我揣著相機與錄音睦焕，去河邊找鬼藐握。 笑死，一個胖子當(dāng)著我的面吹牛垃喊，可吹牛的內(nèi)容都是我干的猾普。 我是一名探鬼主播，決...
    沈念sama閱讀 40,309評論 3贊 418
  • 雙鴛鴦連環(huán)套：你想象不到人心有多黑
    文/蒼蘭香墨 我猛地睜開眼缔御，長吁一口氣：“原來是場噩夢啊……” “哼抬闷！你這毒婦竟也來了妇蛀？” 一聲冷哼從身側(cè)響起耕突，我...
    開封第一講書人閱讀 39,223評論 0贊 276
  • 萬榮殺人案實錄
    序言：老撾萬榮一對情侶失蹤，失蹤者是張志新（化名）和其女友劉穎评架，沒想到半個月后眷茁，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體纵诞，經(jīng)...
    沈念sama閱讀 45,668評論 1贊 314
  • ?護林員之死
    正文 獨居荒郊野嶺守林人離奇死亡上祈，尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,859評論 3贊 336
  • ?白月光啟示錄
    正文 我和宋清朗相戀三年，在試婚紗的時候發(fā)現(xiàn)自己被綠了浙芙。 大學(xué)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登刺。...
    茶點故事閱讀 39,981評論 1贊 348
  • 活死人
    序言：一個原本活蹦亂跳的男人離奇死亡，死狀恐怖嗡呼，靈堂內(nèi)的尸體忽然破棺而出纸俭，到底是詐尸還是另有隱情，我是刑警寧澤南窗，帶...
    沈念sama閱讀 35,705評論 5贊 347
  • ?日本核電站爆炸內(nèi)幕
    正文 年R本政府宣布揍很，位于F島的核電站，受9級特大地震影響万伤，放射性物質(zhì)發(fā)生泄漏源祈。R本人自食惡果不足惜烤黍，卻給世界環(huán)境...
    茶點故事閱讀 41,310評論 3贊 330
  • 男人毒藥：我在死后第九天來索命
    文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧兽埃，春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,904評論 0贊 22
  • 一樁弒父案荐操，背后竟有這般陰謀
    文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至珍策，卻和暖如春托启，著一層夾襖步出監(jiān)牢的瞬間，已是汗流浹背攘宙。 一陣腳步聲響...
    開封第一講書人閱讀 33,023評論 1贊 270
  • 情欲美人皮
    我被黑心中介騙來泰國打工屯耸， 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留，地道東北人蹭劈。 一個月前我還...
    沈念sama閱讀 48,146評論 3贊 370
  • 代替公主和親
    正文 我出身青樓疗绣，卻偏偏與公主長得像，于是被迫代替她去往敵國和親铺韧。 傳聞我的和親對象是個殘疾皇子多矮，可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,933評論 2贊 355

推薦閱讀更多精彩內(nèi)容