项目：建立交通标志识别程序 该项目 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 用书面报告总结结果 依存关系 该项目要求： tensorflow-gpu == 1.7.0 scipy == 1.0.0 matplotlib == 2.0.0 numpy == 1.14.2 opencv-contrib-python == 3.4.0.12 sklearn == 0.18.2 数据集探索 数据集摘要 。 加载数据集和基本摘要 加载数据集后，我得到以下摘要信息： 训练例数：34799 测试例数：12630 验证示例数：4410 图像形状为：（32 32，3） 类数标签：43 探索性可视化 该图像网格表示从训练集中每个类别中选择的一个随机图像 分配 现在，我们将探索分

使用Tensorflow识别交通标志 这是一个由多部分组成的教程，用于使用Tensorflow构建交通标志识别模型。 这是一个正在进行的工作。 包括第1部分。 第2部分和第3部分正在开发中。

数据集包含58个类别的5998个交通标志图像。每个图像都是单个交通标志的缩放视图。注释提供图像属性（文件名，宽度，高度）以及图像和类别内的交通标志坐标（例如5 km / h的速度限制）。该数据集源自中国交通标志识别数据库。里加数据科学俱乐部的成员已经对其进行了探索，以便进行卷积神经网络的一些培训。 annotations.csv Chinese Traffic Signs_datasets.txt Chinese Traffic Signs_datasets.zip

yolo标注格式，交通标志目标检测数据集Traffic Signs Dataset in YOLO format：prohibitory、danger、mandatory、other