本文摘自《Keras深度学习：入门、实战及进阶》一书。本小节我们将利用MNIST数据集的训练数据训练模型，MNIST数据集的测试数据评估模型，再利用训练好的模型对本地的50个手写数字图像进行预测，查看预测效果。在num文件夹中已经保存了50张09的彩色数字图像!在这里插入图片描述(https://s4.51cto.com/images/blog/202204/10012801_6251c22194
这个数据是1978年统计收集的，数据集中的每一行数据都是对波士顿周边或城镇房价的描述，包含以下14个特征和506条数据。CRIM：城镇人均犯罪率。ZN：住宅用地所占比例。INDUS：城镇中非住宅用地所占比例。CHAS：虚拟变量，用于回归分析。NOX：环保指数。RM：每栋住宅的房间数。AGE：1940年以前建成的自住单位的比例。DIS：距离5个波士顿的就业中心的加权距离。RAD：距
该案例摘自《Keras深度学习入门、实战及进阶》第四章综合案例内容。该案例的数据来源于Kaggle上的FlowerColorImages（https://www.kaggle.com/olgabelitskaya/flowercolorimages）。数据内容非常简单：包含10种开花植物的210张图像（128×128×3）和带有标签的文件flowerlabels.csv，照片文件采用.png格式，
EBImage是R的一个扩展包，提供了用于读取、写入、处理和分析图像的通用功能，非常容易上手。本文从图像读取和展示、色彩处理、图像处理、空间变换、图像滤波和图像切割等方面进行了详细的讲解及案例演示。
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
