快速编程是指自动插入代码并解决简单问题的模板。
从文件中卸载样本并用标签填充数据数组是可以复制并粘贴到不同项目中的基本操作。
from google.colab import drive drive.mount('/content/gdrive', force_remount=true) !cp /content/gdrive/'my drive'/data.zip . !unzip data.zip
google colab 在项目运行期间加载所需的示例并填充内存区域。这可以完成一次，并且可以在不接触这段代码的情况下纠正模型中的错误。
下载数据集并将其解析为 .zip 文件中的标签（如下）。对我们来说重要的不是数据数组中图像的准确性，而是下载文件的平均大小。
我们还复制与不同项目相关的库：
import keras from keras.layers import Dense, GlobalAveragePooling2D, Dropout, UpSampling2D, Conv2D, MaxPooling2D, Activation from keras.models import Model from keras.layers import Input, Dense, Concatenate inp = Input(shape=(256, 256, 3))
但是最好在给定时间对相似的数据编写代码执行，因为数组大小会随着任务的不同而变化。
对于 keras_generator(train_df, 16) 中的 x, y：
休息
我们确保样本标签和图像数据量匹配。否则，模型训练将会中断并出现错误。
我们还监视声明的变量。如果在一个项目中单个实体有不同的名称，则存在数据冲突的风险。 ftw
模型 = 模型（输入=inp，输出=结果）
最好将此类开发存储在 github 中以供经常参考。计算机文件系统在访问熟悉的资源时容易产生混乱。
