self-driving-car-p3-traffic-sign-classifier

交通标志识别 建立交通标志识别项目 该项目的目标/步骤如下： 加载数据集（请参阅下面的链接到项目数据集的链接） 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 用书面报告总结结果 专栏积分 在这里，我将分别考虑并描述我在实现中如何解决每个要点。 自述文件 这是我的的链接 数据集摘要与探索 1.提供数据集的基本摘要。 在代码中，应使用python，numpy和/或pandas方法进行分析，而不是手动对结果进行硬编码。 首先，在运行此程序之前，您可以从下载泡菜数据。 由于大小，您需要创建“数据”目录，然后将泡菜数据放入该目录中。 我使用了numpy库来计算交通标志数据集的摘要统计信息： 训练集的大小是34799。 验证集的大小为4410。 测试集的大小为12630。 交通标志图像的形状是（32，32，3）。 数据集中