Halcon 深度学习分类之Mnist应用
前言
如果你看过我上一篇博客https://blog.****.net/qq_18620653/article/details/106041187,那么在此基础上修改,很快就可以将水果分类的例子应用到Mnist上来。
下载数据集
首先下载Mnist数据集,记住解压后的路径(非常重要)链接:https://pan.baidu.com/s/10eF25cM6-Kis8nF8ziqHqA
提取码:wb7s
更改根目录
然后将代码中的MnistBaseFolder路径改为你下载数据集解压后的路径
一键运行Mnist
如果运行出现下图结果,恭喜你,F5一键跑起来吧。(预处理后图像以及训练后的Model均在MnistBaseFolder目录下)
训练效果
迭代100效果。
由于Mnist图像本来就小,所以我没有进行去除背景,仅改变图像尺寸。感兴趣的童鞋可以对图像进行其他预处理(比如求梯度,去除背景等),看看不同处理后的训练效果。
也可以增加迭代次数看看不同迭代次数对结果的影响。但有些童鞋要问,那到底训练多少次才是最好,总不能我设置100000,它训练好了还在一直跑吧。当然不能够,其实我们可以设定一个错误率,当达到我们设定的值时,训练就会自动结束,即使还没达到迭代次数。
交叉验证结果
测试
部分测试效果图
代码
链接:https://pan.baidu.com/s/11xPIpMrk0It-5JtBcnm3vA
提取码:z3aa
下一篇:Halcon 深度学习分类之工业应用