第一例:石头剪刀布的机器学习(xedu,示例15)

  1. 准备好pycharm

解释器配置:

参考当前选择

  1. 推理现有图片

选择代码:15.MMEdu_cls_demo.py

开启推理方法,注释其他

推理的图片,这里用的是相对路径的调用方法,也可以写成绝对路径

绝对路径的地址参考:

D:/XEdu/XEdu示例代码/resources/testrock01-02.png

注意路径中的斜线向左斜

用相对路径的方式,选择了一个现有的模型

使用的是Lenet算法,这是一个适合于灰白图片的算法

第一次开机运行需要较长时间

74%的可能性被识别为rock

  1. 训练

数据集制作(这里仅展示xedu中已经内置好的数据集的目录格式和制作要求)

先整理好图片,图片大小应当相差不多,全是彩色或者全是黑白

数据集合目录格式

项目名称可以随意,测试集、训练集、验证集、类别文件的名称不可以更改

训练集:用于机器学习

验证集:用于每轮机器学习后验证,这个验证结果决定了下一轮机器学习的参数微调(自动)

测试集:机器学习全部完成后,用验证集验证训练结果

类别文件内部结构

注意要点:

    1. classes.txt和的内容和三个集合的目录名完全相同
    2. Classes.txt内分类的编号从0开始,本例中paper的编号为0、rock为1、scossors为2,编号不显示出来,但是未来图片推理时都会显示
    3. 每个分类换一行,没有结束没有空格

分类目录下的内容

本例是一个黑色照片的石头剪刀布,我们可以看到paper(布)下面是各种形态下的布

  1. 占比

一般来说,训练集:验证集:测试集比例为7:2:1或者8:1:1,完全相同的图片对于机器学习意义不大,反而容易出现过拟合和欠拟合。

开始训练:

解开训练代码

确认好:

数据集目录

保存路径目录

算法

这里石头剪刀布有3个类型

开始训练

注意看日志,目前训练到了第几个批次,一共有10批

  1. 加载刚训练的模型,进行一次推理,看看效果

推理的图片,可以从数据集目录下面的test_set获得更多图片

相关推荐
forest_091 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区2 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔2 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区2 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1233 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI3 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健3 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV3 小时前
Google 重返第一梯队
人工智能·google·aigc
十有八七4 小时前
手搓 Agent(五):学会翻书——RAG,先查资料再回答
前端·人工智能·后端