卷积神经网络图像识别车辆类型
1、图像
自行车：
汽车：
摩托车：
2、数据集目录
3、流程
1、获取数据，把图像转成矩阵，并随机划分训练集、测试集
2、把标签转为数值，将标签向量转换为二值矩阵
3、图像数据归一化，0-1之间的值
4、构造卷积神经网络
5、设置图像输入形状(32, 32, 3)
6、设置卷积、池化层输出为三维矩阵
7、三维平展为一维,输入全连接层
8、输出层使用 softmax 激活函数，用于多分类问题
9、初始化 RMSprop 优化器
10、编译模型，多分类交叉熵损失函数，使用RMSprop自适应学习率的优化器，使用accuracy准确率作为衡量指标
11、添加训练轮数早停止机制
12、增加
