4.3.5　模型训练评估与生成

在定义模型架构和编译之后，通过训练集训练模型，对狗狗的种类加以区分。这里，使用训练集拟合模型并保存。之后加载模型参数，使用测试集检验其准确性。

1．模型训练并保存

共训练20次，并且输出每一次训练结束后的正确率、损失率、训练过程以进度条形式表现。将训练好的模型保存为weights.best.VGG16.hdf5文件，方便后期调用。

2．模型加载及测试

为测试训练模型效果，加载训练模型，并输入测试集数据，计算模型在测试集上的正确率。

在测试集上的正确率是70.3349%。

3．模型评估

在评估训练模型过程中，使用TensorBoard绘制出训练集和验证集上的正确率曲线和损失曲线，在迭代20次后，验证集上的正确率可以达到72.39%，其中，横坐标迭代20次，纵坐标每次迭代后的正确率大小、曲线如图4-6所示；横坐标迭代20次，纵坐标每次迭代后的损失大小、损失曲线如图4-7所示。

绘制评估曲线代码如下：

将网址http://localhost：6006/复制在浏览器即可得到以上两个曲线图。

4．模型生成

模型生成分为两部分：一是检测输入的图片中是否包含狗狗或者人脸；二是如果图中包含狗狗或者人脸，将依据训练出的模型判断狗狗所属种类，或与该人脸最相似的狗狗种类。

1）人／狗检测

相关代码如下：

2）种类识别

首先，获得输入图片的预测向量；其次，通过该预测向量判断所属类别。为实现前端展示功能，构建图片路径，用于随机输出3张与输入狗狗同类别的图片。