好久没有写东西了，日常在实验室搞别的东西渐渐怠慢了更新，实在有些惭愧。每天过得如咸鱼一般，虽然还有作业、有任务，但生活的享受还是不能丢失。每天最忙最累的时候，必须要有一杯热腾腾的星巴克，哪怕日子穷困潦倒，对生活的热爱也不能减少。最近有一个有趣的图像集，叫10-monkey-species，是十个种类的猴子的图像集。从kaggle上搜10 Monkey Species便可以把数据集给下载下来，解压，显示如下：
训练集和验证集文件夹分别都有10类猴子的图像，每一类都有一百多张图像
使用tensorflow库中的keras，对数据集进行归一化、图像增强等预处理
再用keras来编写几层神经网络，代码如下：
模型训练过程的损失值以及准确率的输出，还要变化曲线的显示
可以看出，在300步以后，模型在训练集的准确率有97%，在测试集的准确率有84%左右。模型的准确率还是不错的，但是还可以继续提升。使用迁移学习的方式，调用已经训练好的resnet50这一网络的模型，使用本次的图像集输入模型中进行微调，便可以在本次验证图像集中达到更高的准确率了。下篇文章再搞一下这个吧，这次有些累了，继续咸鱼一下吧。
在本人公众号回复「猴子」可获取完整代码。
