²é¿´: 797  |  »Ø¸´: 1
¡¾ÐüÉͽð±Ò¡¿»Ø´ð±¾ÌûÎÊÌ⣬×÷ÕßAlpha1024½«ÔùËÍÄú 10 ¸ö½ð±Ò

Alpha1024

гæ (ÕýʽдÊÖ)

[ÇóÖú] ΪʲôËû±¨´íµÄʱºò˵¾ÍÒ»¸öÑù±¾£¿

½¨ÁËÒ»¸ö¾í»ýÉñ¾­ÍøÂ磬ÊäÈëѵÁ·¼¯£¬Óжà¸öÑù±¾£¬¼ûѵÁ·¼¯£¬±¨´íÒÔ¼°´úÂ룬ΪʲôËû±¨´íµÄʱºò˵¾ÍÒ»¸öÑù±¾£¿ÎÊÌâÔÚÄÄ£¿
ValueError: Training data contains 1 samples, which is not sufficient to split it into a validation and training set as specified by `validation_split=0.2`. Either provide more data, or a different value for the `validation_split` argument.

import numpy as np

import pandas as pd

import tensorflow as tf

from tensorflow.keras import layers

#¶¨ÒåÄ£ÐÍ

def get_model():

#½¨Á¢Ò»¸öÐò¹áÄ£ÐÍ

model = tf.keras.Sequential()

#µÚÒ»¸ö¾í»ý¿é

model.add(layers.Conv2D(128, kernel_size=(3, 3), activation= 'relu', input_shape=(75, 75, 3)))

model.add(layers.MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))

model.add(layers.Dropout(0.2))

#µÚ¶þ¸ö¾í»ý¿é

model.add(layers.Conv2D(128, kernel_size=(3, 3), activation= 'relu'))

model.add(layers.MaxPooling2D(pool_size=(2,2), strides=(2, 2)))

model.add(layers.Dropout(0.2))

#µÚÈý¸ö¾í»ý¿é

model.add(layers.Conv2D(64, kernel_size=(2, 2), activation='relu'))



model.add(layers.MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))

model.add(layers.Dropout(0.2))

#µÚËĸö¾í»ý¿é

model.add(layers.Conv2D(64, kernel_size=(2, 2), activation= 'relu'))

model.add(layers.MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))

model.add(layers.Dropout(0.2))

#½«ÉÏÒ»²ãµÄÊä³öÌØÕ÷Ó³Éäת»¯ÎªÒ»Î¬Êý¾Ý£¬ÒÔ±ã½øÐÐÈ«Á¬½Ó²Ù×÷

model.add(layers.Flatten())

#µÚÒ»¸öÈ«Á¬½Ó²ã

model.add(layers.Dense(256))

model.add(layers.Activation('relu'))

model.add(layers.Dropout(0.2))

#µÚ¶þ¸öÈ«Á¬½Ó²ã

model.add(layers.Dense(128))

model.add(layers.Activation('relu'))

model.add(layers.Dropout(0.2))

#µÚÈý¸öÈ«Á¬½Ó²ã

model.add(layers.Dense(1))

model.add(layers.Activation('sigmoid'))

#±àÒëÄ£ÐÍ

model.compile(loss= 'binary_crossentropy', optimizer=tf.keras.optimizers.Adam(0.0001), metrics=['accuracy'])

#´òÓ¡³öÄ£Ð͵ĸſöÐÅÏ¢

model.summary()

return model

cnn_model = get_model()

cnn_model. fit (train_x, train_y, batch_size=25, epochs=100, verbose=1, validation_split=0.2)

´úÂë

ѵÁ·¼¯ÏÔʾ
[array([[[110, 110, 110],
         [110, 110, 110],
         [109, 109, 109],
         ...,
         [  0,   0,   0],
         [  0,   0,   0],
         [  0,   0,   0]]]),
array([[[110, 110, 110],
         [110, 110, 110],
         [109, 109, 109],
         ...,
         [255, 255, 255],
         [255, 255, 255],
         [255, 255, 255]]]),
array([[[165, 165, 165],
         [173, 173, 173],
         [169, 169, 169],
         ...,
         [255, 255, 255],
         [255, 255, 255],
         [255, 255, 255]]]),
array([[[58, 58, 58],
         [52, 52, 52],
         [51, 51, 51],
         ...,
         [47, 47, 47],
         [55, 55, 55],
         [49, 49, 49]]]),
array([[[ 74,  74,  74],
         [ 76,  76,  76],
         [ 71,  71,  71],
         ...,
         [110, 110, 110],
         [106, 106, 106],
         [108, 108, 108]]]),
array([[[159, 159, 159],
         [118, 118, 118],
         [132, 132, 132],
         ...,
         [ 93,  93,  93],
         [ 95,  95,  95],
         [ 91,  91,  91]]]),
array([[[165, 165, 165],
         [173, 173, 173],
         [169, 169, 169],
         ...,
         [255, 255, 255],
         [255, 255, 255],
         [255, 255, 255]]]),
array([[[110, 110, 110],
         [110, 110, 110],
         [109, 109, 109],
         ...,
         [255, 255, 255],
         [255, 255, 255],
         [255, 255, 255]]]),
array([[[165, 165, 165],
         [173, 173, 173],
         [169, 169, 169],
         ...,
         [255, 255, 255],
         [255, 255, 255],
         [255, 255, 255]]]),
array([[[58, 58, 58],
         [52, 52, 52],
         [51, 51, 51],
         ...,
         [47, 47, 47],
         [55, 55, 55],
         [49, 49, 49]]]),
array([[[ 74,  74,  74],
         [ 76,  76,  76],
         [ 71,  71,  71],
         ...,
         [110, 110, 110],
         [106, 106, 106],
         [108, 108, 108]]]),
array([[[159, 159, 159],
         [118, 118, 118],
         [132, 132, 132],
         ...,
         [ 93,  93,  93],
         [ 95,  95,  95],
         [ 91,  91,  91]]]),
array([[[165, 165, 165],
         [173, 173, 173],
         [169, 169, 169],
         ...,
         [255, 255, 255],
         [255, 255, 255],
         [255, 255, 255]]]),
array([[[110, 110, 110],
         [110, 110, 110],
         [109, 109, 109],
         ...,
         [255, 255, 255],
         [255, 255, 255],
         [255, 255, 255]]]),
array([[[165, 165, 165],
         [173, 173, 173],
         [169, 169, 169],
         ...,
         [255, 255, 255],
         [255, 255, 255],
         [255, 255, 255]]]),
array([[[58, 58, 58],
         [52, 52, 52],
         [51, 51, 51],
         ...,
         [47, 47, 47],
         [55, 55, 55],
         [49, 49, 49]]]),
array([[[ 74,  74,  74],
         [ 76,  76,  76],
         [ 71,  71,  71],
         ...,
         [110, 110, 110],
         [106, 106, 106],
         [108, 108, 108]]]),
array([[[159, 159, 159],
         [118, 118, 118],
         [132, 132, 132],
         ...,
         [ 93,  93,  93],
         [ 95,  95,  95],
         [ 91,  91,  91]]]),
array([[[165, 165, 165],
         [173, 173, 173],
         [169, 169, 169],
         ...,
ÕâÊÇtrainx
[array(0),
array(0),
array(0),
array(0),
array(1),
array(1),
array(0),
array(0),
array(0),
array(0),
array(1),
array(1),
array(0),
array(0),
array(0),
array(0),
array(1),
array(1),
array(0)]
ÕâÊÇtrainy
»Ø¸´´ËÂ¥
ÒÑÔÄ   »Ø¸´´ËÂ¥   ¹Ø×¢TA ¸øTA·¢ÏûÏ¢ ËÍTAºì»¨ TAµÄ»ØÌû

Alpha1024

гæ (ÕýʽдÊÖ)

ÄãÕâ¸ö¾ÍÊÇÒ»¸öÑù±¾£¬ÇëÄã¿´Ò»ÏÂÕÅÁ¿
2Â¥2023-11-21 15:50:24
ÒÑÔÄ   »Ø¸´´ËÂ¥   ¹Ø×¢TA ¸øTA·¢ÏûÏ¢ ËÍTAºì»¨ TAµÄ»ØÌû
Ïà¹Ø°æ¿éÌøת ÎÒÒª¶©ÔÄÂ¥Ö÷ Alpha1024 µÄÖ÷Ìâ¸üÐÂ
²»Ó¦Öú È·¶¨»ØÌûÓ¦Öú (×¢Ò⣺ӦÖú²Å¿ÉÄܱ»½±Àø£¬µ«²»ÔÊÐí¹àË®£¬±ØÐëÌîд15¸ö×Ö·ûÒÔÉÏ)
×î¾ßÈËÆøÈÈÌûÍƼö [²é¿´È«²¿] ×÷Õß »Ø/¿´ ×îºó·¢±í
[½Ìʦ֮¼Ò] ÄÑÉϵĿΰ²ÅŸøÎÒ£¬ÔÓÊ°²ÅŸøÎÒ¡£ÆÀÓÅʱÎÒ¾Íû·Ý¶ùÁË£¬¼´±ãÎÒ×öµÃ²»±È¾ø´ó¶àÊýÈ˲î +15 ºÓÎ÷Ò¹ÀÉ 2024-06-08 15/750 2024-06-12 12:51 by oooooo?o
[˶²©¼ÒÔ°] ÕâÑùµÄ¿ÎÌâ×éÖµµÃÈ¥Âð +10 hyeooon 2024-06-07 10/500 2024-06-12 12:30 by ÏÛÓæéÔ
[½Ìʦ֮¼Ò] ÎÒÃÇѧԺ³£Äêλ¾Ó ¸÷ѧԺ µ¹ÊýµÚ¶þ¡£×¨Òµ³·ÏúµÄ»°£¬ÔÚ±àÕßÓÐʲô²¹³¥£¿ +10 ºÓÎ÷Ò¹ÀÉ 2024-06-09 11/550 2024-06-12 12:15 by yudaoqian88
[»ù½ðÉêÇë] ¿´µ½´ó¼ÒÒ»Ö±ÔÚ˵´ú±í×÷NC£¬²»Ã÷¾õÀ÷ +26 º²º£2022 2024-06-07 28/1400 2024-06-12 12:13 by yudaoqian88
[˶²©¼ÒÔ°] ½»ÓÑ +5 xkkl 2024-06-08 5/250 2024-06-12 11:35 by messi2
[½Ìʦ֮¼Ò] ¸±½ÌÊÚÌø²Û +24 €Ðì·ïÄê 2024-06-07 25/1250 2024-06-12 11:24 by ioe3937
[Óлú½»Á÷] Ô­ÁÏ·´Ó¦ÍêÁË£¬Ôõô֪µÀÊDzúÎﻹÊÇÖмäÌå +4 СºúÔÚŬÁ¦ 2024-06-11 6/300 2024-06-12 11:05 by czyzsu
[¿¼²©] ²©µ¼ÍƼö +5 ÂäÓê³Ô¼¦µ° 2024-06-07 7/350 2024-06-12 09:37 by º£ê̺ÓÇ壡
[»ù½ðÉêÇë] ¶×Ò»¸ö6ÔÂ7ºÅ½­ËÕÊ¡Çà»ù¹«Ê¾ +17 yulb1005 2024-06-06 37/1850 2024-06-12 09:09 by 6543yes
[ÕÒ¹¤×÷] ³É¶¼²úÆ·ÖÊÁ¿¼ì²âÑо¿Ôº 200+3 ¾¨Óã663 2024-06-11 6/300 2024-06-12 08:50 by p-cloud
[˶²©¼ÒÔ°] ²©Ê¿ÕÒ¹¤×÷ÕæÄÑ +18 sdsk47 2024-06-05 23/1150 2024-06-12 06:49 by cherry201077
[»ù½ðÉêÇë] ÇëÎÊÆÀÉóר¼Òҽѧ¿Ú½ñÄ꺯ÉóÊÇÄÄÌì½áÊøµÄ£¿ +4 hyzs6688 2024-06-08 17/850 2024-06-11 23:43 by zhanghaozhu
[»ù½ðÉêÇë] ¼ä½Ó¾­·ÑÓÃÓÚ¼¨Ð§Ö§³Ö±ÈÀýÈËÔ±µÈÎÊÌâ 5+5 helsinglee 2024-06-07 10/500 2024-06-11 20:13 by rhhua11111
[Óлú½»Á÷] ÐýÕôÇë½Ì +5 °ì¹«ÊÒÃþÓã 2024-06-09 8/400 2024-06-11 18:14 by °ì¹«ÊÒÃþÓã
[»ù½ðÉêÇë] ½ñÄêÏã½­³õÉó³ö½á¹ûÁËÂð +6 ±¯´ß¿ÆÑй· 2024-06-06 16/800 2024-06-11 17:26 by BreezyÁµ
[ÂÛÎÄͶ¸å] ¼ÆËã»úÀ࣬ÇëÎÊeswaÓëkbsÄĸöÏà¶ÔÀ´ËµÈÝÒ×һЩ°¡£¿ +3 chenrui2015 2024-06-08 4/200 2024-06-11 13:37 by p-cloud
[˶²©¼ÒÔ°] ÇóÖú +6 LYWwrz 2024-06-09 9/450 2024-06-11 13:12 by powerhours
[ÂÛÎÄͶ¸å] ÇóÖú£¬ï®µç³ØµÄ3Çø4ÇøÓ¢ÎÄÆÚ¿¯ÇóÖú +7 ½»½çµØµÄÀÁÑòÑò 2024-06-06 7/350 2024-06-08 02:23 by Ã÷Ã÷ÔÚ
[»ù½ðÉêÇë] 5BÄÜÉÏ»áô£¿ +12 Tenfu 2024-06-05 14/700 2024-06-06 22:34 by mch20120521
[»ù½ðÉêÇë] E¿ÚYQ´ð±ç +3 firepick 2024-06-05 3/150 2024-06-05 17:12 by kaka198888
ÐÅÏ¢Ìáʾ
ÇëÌî´¦ÀíÒâ¼û