Berbagi teknologi

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

perkenalan

Klasifikasi gambar adalah tugas dasar dalam computer vision, yang memungkinkan komputer mengidentifikasi objek dalam gambar secara otomatis. Pada artikel ini, kita akan menggunakan Python dan TensorFlow untuk mengimplementasikan model klasifikasi gambar sederhana guna membantu semua orang memahami dasar-dasar teknologi AI.

Persiapan

Pertama, kita perlu menginstal beberapa perpustakaan Python yang diperlukan. Buka terminal baris perintah dan jalankan perintah berikut:

pip install tensorflow numpy matplotlib

Muat kumpulan data

Kami akan menggunakan kumpulan data MNIST yang terkenal, yang berisi gambar angka tulisan tangan (0 hingga 9). TensorFlow sudah memiliki kumpulan data ini, sehingga kita dapat memuatnya dengan mudah.

import tensorflow as tf
from tensorflow.keras.datasets import mnist
 
# 加载MNIST数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()
 
# 归一化图像数据
x_train, x_test = x_train / 255.0, x_test / 255.0

Membangun model

Kami akan menggunakan model jaringan saraf sederhana untuk klasifikasi gambar. Model ini berisi satu lapisan masukan (lapisan rata), dua lapisan yang terhubung penuh (lapisan padat), dan satu lapisan keluaran.

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Flatten
 
# 构建顺序模型
model = Sequential([
    Flatten(input_shape=(28, 28)),  # 输入层：将28x28的图像展平成一维数组
    Dense(128, activation='relu'),  # 隐藏层：128个神经元，使用ReLU激活函数
    Dense(10, activation='softmax') # 输出层：10个神经元，使用Softmax激活函数
])
 
# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

Model pelatihan

Sekarang, kita bisa melatih modelnya. Kami akan menggunakan data pelatihan (x_train, y_train) untuk melatih model dan data pengujian (x_test, y_test) untuk mengevaluasi performa model.

# 训练模型
model.fit(x_train, y_train, epochs=5)
 
# 评估模型
test_loss, test_acc = model.evaluate(x_test, y_test)
print('测试准确率:', test_acc)

gambar yang diprediksi

Setelah pelatihan selesai, kita dapat menggunakan model tersebut untuk memprediksi gambar baru. Berikut cara melakukan prediksi pada satu gambar dari data pengujian.

import numpy as np
import matplotlib.pyplot as plt
 
# 选择一张测试图像
img = x_test[0]
plt.imshow(img, cmap='gray')
plt.show()
 
# 预测图像类别
img = np.expand_dims(img, 0)  # 扩展维度以匹配模型输入
predictions = model.predict(img)
predicted_class = np.argmax(predictions)
print('预测类别:', predicted_class)

Meringkaskan

Pada artikel ini, kami memulai dari awal dan menerapkan model klasifikasi gambar sederhana menggunakan Python dan TensorFlow. Melalui contoh ini, kita mempelajari cara memuat data, membuat model, melatih model, dan membuat prediksi. Saya harap artikel ini dapat membantu Anda memulai teknologi AI dan menginspirasi minat Anda untuk mengeksplorasi lebih lanjut di bidang ini.

---

Artikel ini memperkenalkan cara mengimplementasikan model klasifikasi gambar sederhana menggunakan Python dan TensorFlow, dan memberikan contoh kode mendetail untuk membantu Anda menyelesaikan tugas ini langkah demi langkah. Saat ini Python juga sangat populer. Tentu saja penulis tidak bisa berhenti untuk terus maju. Bahasanya semua sama, pelajari saja!