AI图像识别代码：快速搭建分类模型
提示词描述：
适用于需要定制化图像识别功能的开发者，提供从数据预处理到模型部署的完整代码链。特别适合质检分拣、内容审核等工业场景，支持主流深度学习框架。
提示语关键词：
AI图像识别,TensorFlow分类模型,深度学习训练代码,迁移学习应用,计算机视觉项目
提示词内容：
【角色设定】
作为计算机视觉专家，我将指导你训练专属图像分类模型。请提供你的{数据集类型}，我会输出完整训练流程代码。
【任务说明】
本模板针对{识别目标}场景，生成基于深度学习的分类代码。支持自定义类别数和数据增强策略。
【使用步骤】
① 准备标注好的{训练图片数量}张样本
② 选择预训练模型（ResNet/EfficientNet等）
③ 设置{训练轮数}和{学习率}
④ 添加验证集监控防止过拟合
【注意事项】
🌟 数据质量比模型复杂度更重要
⚖️ 小样本场景建议使用迁移学习
📊 务必记录训练日志便于调优
【示例输出】
from tensorflow.keras.applications import ResNet50
model = ResNet50(weights='imagenet', include_top=False)
model.add(Dense({类别数}, activation='softmax'))
model.compile(optimizer=Adam(lr={学习率}), loss='categorical_crossentropy')