基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程-Toy模板网

这篇具有很好参考价值的文章主要介绍了基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

项目介绍

TensorFlow2.X 搭建卷积神经网络（CNN），实现水果识别。搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softmax映射为每个类别的概率，概率最大的即为识别结果)。

网络结构：
基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程

开发环境：

python==3.7
tensorflow==2.3

数据集：
基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程

基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程
图片类别：

‘freshapples’:‘新鲜苹果’,
‘freshbanana’:‘新鲜香蕉’,
‘freshoranges’:‘新鲜橙子’,
‘rottenapples’:‘腐烂苹果’,
‘rottenbanana’:‘腐烂香蕉’,
‘rottenoranges’:‘腐烂橙子’

基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程

代码调试

基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程
拿到项目后，解压文件，解压后如下图所示：

Step1:打开项目文件夹

基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程
各个文件及代码介绍：

Step2：搭建开发环境

基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程

创建虚拟环境

输入cmd回车后，会打开一个命令终端，下面我们开始创建虚拟环境：
基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程
输入命令回车后，出现下面提示，继续回车：

输入命令为：

conda create -n FruitRec_py37 python=3.7

然后回车后，我们就创建了一个环境名称为“FruitRec_py37”的虚拟环境，它的python版本为3.7，如下图所示：
基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程

激活虚拟环境

复制这条命令，输入命令行，激活我们创建的虚拟环境：

conda activate FruitRec_py37

基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程

安装第三方依赖库

下面开始安装项目用到的第三方依赖库，比如tensorflow、matplotlib、pyqt5等。本次用到的依赖库全部记录在了requirements.txt文件中。下面开始安装：

在命令终端中输入以下命令。

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装成功后，如下如所示：

基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程

打开项目配置环境

基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程

选择解释器（我们上面创建的虚拟环境）

基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程
点击File,然后选择Settings

点击设置按钮，选择“Add”

按照图片的提示操作即可，添加我们需要的“python解释器”，pycharm右下角显示如下图所示即为成功：

训练神经网络模型

打开项目“train_cnn.py”这个代码，根据图片中提示操作：
基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程
成功运行效果如下图所示：

成功运行后，接下来要做的事情就是“等待”，根据每个人电脑配置的高低，运行训练网络的代码时间也是不同的（几分钟–几个小时）等待运行完毕，不报错即为训练成功。