深度学习实战——天气识别

该博客详细介绍了使用深度学习进行天气识别的过程,包括模块导入、参数设置、GPU检查、数据准备、测试集划分、数据维度查看、模型训练、编译及评估,最终得出模型的性能表现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

 1.模块导入

2.参数设置

3.查看GPU是否可用

4.数据准备

 5.划分测试集

6.查看数据维度

7.模型训练

 8.模型编译

9.模型训练

10.模型评估

 11.评估结果


官方合作微信:gldz_super

数据由四种天气组成,分别是cloudy、rain、shine以及sunrise四种如下所示:

 1.模块导入

import pathlib
import os, PIL
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras import regularizers
from tensorflow.keras import layers,models
import numpy as np

2.参数设置

# 参数设置
batch_size = 32
img_height = 224
img_width = 224
num_classes = 4
epochs = 30
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI炮灰

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值