作者|周伟能来源|叮当网谈SAS和PythonPython在机器学习（人工智能，AI）上有很大的优势。说到人工智能，一般也会说到它的实现语言Python。之前的讲座也是关于机器学习在图像识别中的应用。今天我就来说说使用谷歌的深度学习框架tensorflow和keras来训练深度神经网络和预测未知图像。导入python模块导入图片数据合并列表数据将图片数据转换成数组展示一张图片训练神经网络我们可以看到测试集的准确率为99.67%，预测一张图片的概率为汽车是100%。（括号内的真实标签）被预测为美女的概率为100%。（括号中的真实标签）测试集中前15个图像的预测完全正确。好的！最后，让我们识别单个图像。结果预测为汽车。好的！最后预测一下从外面下载的汽车或美女图片当汽车，不错！小编这里有10张图，前5张是车图，后5张是美女图。下面进行批量预测：结果也完全正确。看到这里，感觉神经网络好神奇。如果我们想让神经网络准确预测，就必须给出大量的数据来训练模型，优化模型，从而达到准确识别图像的目的。图像识别是人工智能的核心。其中一部分现在正在慢慢成熟。虽然机器有时也会出错，但经过??不断优化，出错率会越来越小。我相信机器智能或人工智能的时代可以创造出更智能、更美好的事物。为社会和人类自由做出更大的贡献。
