Tensorflow 如何将层添加到图像识别卷积神经网络

我正在尝试建立一个卷积神经网络来检测情绪（一个简单的图像识别ai）。到目前为止，我已经能够将我的图像调整为32，32大小，以及将每个像素的RGB值添加到列表中。我现在该怎么办？我一直在尝试添加一个卷积层，但在实现过程中遇到了一些问题，我只是不确定隐藏层的实际构造应该是什么样子。

使用google colab和MNIST数据集回答一个示例

步骤1： -进行导入，获取数据集，然后缩放并拆分为训练和测试。 -定义模型（我正在使用一个我发现非常好的模型，更简单的模型也可以使用）

步骤2： 编译和培训模型（也使用测试集在培训期间进行评估）

可选： 使用您自己的图像进行测试。这个上传部分是专门针对google colab的

uploaded = files.upload()
for fn in uploaded.keys():

  path = '/content/' + fn
  img = image.load_img(path, target_size=(28, 28),color_mode = "grayscale")

在我们预测之前，需要进行一些缩放和调整，以使测试图片“MNIST”

im2arr = np.array(img)
im2arr = im2arr-255.0
im2arr = im2arr*-1
image = im2arr
im2arr_scale = im2arr/255.0
im2arr = im2arr.reshape(1,28,28,1)
im2arr_scale = im2arr_scale.reshape(1,28,28,1)

y_pred = model.predict(im2arr)
y_pred2 = model.predict(im2arr_scale)



print("non scaled : " + str(np.argmax(y_pred)) + " probability: " + str(y_pred[0][np.argmax(y_pred)]))
print("scaled: " + str(np.argmax(y_pred2)) + " probability: " + str(y_pred2[0][np.argmax(y_pred2)]))
print (y_pred)
print (y_pred2)

绘制测试图像

plt.grid(False)
plt.gray()
plt.axis('off')
plt.imshow(image)
plt.show()

---

你的问题太模糊和笼统了。您想使用Keras还是TensorFlow？例如，有数百个教程介绍如何将其中任何一个用于图像对象识别，这与配置中的图像情感识别没有太大区别。只需指出“官方”教程：我目前正在使用tensorflow。更具体地说，我应该为我的图像识别软件使用一个已经构建好的已有模型，还是编写自己的模型？我发现大多数tensorflow教程都只关注MNIST，而没有提到如何实现自己的数据集。

im2arr = np.array(img)
im2arr = im2arr-255.0
im2arr = im2arr*-1
image = im2arr
im2arr_scale = im2arr/255.0
im2arr = im2arr.reshape(1,28,28,1)
im2arr_scale = im2arr_scale.reshape(1,28,28,1)

y_pred = model.predict(im2arr)
y_pred2 = model.predict(im2arr_scale)



print("non scaled : " + str(np.argmax(y_pred)) + " probability: " + str(y_pred[0][np.argmax(y_pred)]))
print("scaled: " + str(np.argmax(y_pred2)) + " probability: " + str(y_pred2[0][np.argmax(y_pred2)]))
print (y_pred)
print (y_pred2)

plt.grid(False)
plt.gray()
plt.axis('off')
plt.imshow(image)
plt.show()