From 4cc7c6f5e2865cccb21b1a4e1bad5b557b9abd7a Mon Sep 17 00:00:00 2001 From: Jakub Adamski Date: Mon, 18 May 2020 09:06:22 +0000 Subject: [PATCH] Zaktualizuj 'adamski_raport.md' --- adamski_raport.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/adamski_raport.md b/adamski_raport.md index 178f8b3..69e29ec 100644 --- a/adamski_raport.md +++ b/adamski_raport.md @@ -14,7 +14,7 @@ W projekcie wykorzystuję sieć neuronową. Jest to klasyfikator obiektów, opar Składa się z warstw: CNN - convolutional neural network do wyodrębnienia cech charakterystycznych z obrazka oraz jednej warstwy dense, złozonej z 4 neuronow (ilosc obiektow w moim projekcie), które produkują finalny wynik na podstawie wyniku z CNN. ## Dane -Zgromadzone zdjecia dostepne sa tutaj: [link](). Dane zbierałem za pomocą wyszukiwarki google, następnie pogrupowałem według klas. Ostatnie 20 warstw sieci jest wytrenowana w pliku net_training.py, pierwsze warstwy są uczone na zbiorze danych imagenet - zmienna base_model.
+Zgromadzone zdjecia dostepne sa tutaj: [link](https://drive.google.com/open?id=1cs3TE-niBrhXT-23IA9g2rll3Qpk7Xdk). Dane zbierałem za pomocą wyszukiwarki google, następnie pogrupowałem według klas. Ostatnie 20 warstw sieci jest wytrenowana w pliku net_training.py, pierwsze warstwy są uczone na zbiorze danych imagenet - zmienna base_model.
Do uruchomienia uzywam pakietu keras dostępnego w bibliotece tensorflow. Tensorflow to rozbudowany zestaw narzędzi do machine learningu, keraz to nakładka ułatwijąca uzywanie tego frameworku. ## Kod