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，

项目：深度学习中的交通标志识别 概述 在这个项目中，使用python和TensorFlow来构建和训练卷积神经网络来对交通标志进行分类。 该模型在集中的交通标志图像上经过了验证。 该项目的详细文章可以在找到。 计划摘要 该项目的目标/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 依存关系 本实验要求： 可以使用CarND Term1入门工具包创建实验室环境。 单击了解详细信息。 数据集和存储库 下载数据集。

项目：建立交通标志识别程序 概述 在这个项目中，您将使用对深度神经网络和卷积神经网络学到的知识对交通标志进行分类。 您将训练和验证模型，以便可以使用对交通标志图像进行分类。 训练完模型后，您将在网络上找到的德国交通标志图像上试用模型。 我们提供了一个Ipython笔记本，其中包含更多说明和入门代码。 确保下载。 我们还希望您创建该项目的详细说明。 出该项目的，并将其用作创建自己的编写的起点。 书写内容可以是markdown文件或pdf文档。 为了满足规范，该项目将需要提交三个文件： 带代