交通标志分类器 用于交通标志分类器的卷积神经网络 ！[替代文字]（'./自述图片'） 概述 在此代码中，使用了深度神经网络和卷积神经网络对交通标志进行分类。 该模型经过了培训和验证，因此可以使用“对交通标志图像进行分类。 训练模型后，对来自网络的随机交通标志（即德国交通标志）进行了测试。 该项目 这项工作的目标/步骤如下： 加载数据集 探索，总结和可视化数据集 设计，训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 数据集和存储库 下载数据集。 调整了数据集的大小，

带有Streamlit的Traffic_Sign_Classifier 应用程序： 链接： ： 应用输出 项目概况 该项目的目标是专注于自动驾驶汽车决策能力的第一个基本特征，即开发一种深度学习模型，该模型可以读取交通标志并使用卷积神经网络（CNN）对其进行正确分类。 交通标志分类器使用德语交通数据集。德国交通数据集包括用于训练数据集的34,799张32 * 32像素彩色图像，用于测试数据集的12,630张图像和用于验证数据集的4410张图像，其中每个图像都是属于的交通标志的照片交通标志类型4