1.实验名称 抽象类与接口2.实验目的（1）熟练掌握抽象类及接口的定义及使用；（2）掌握多态的含义，学会在实际应用中使用多态；（3）理解接口回调的含义，学会在实际应用中使用。3.训练知识点集群（1）抽象类（定义，使用，方法重写，多态的实现等）（2）接口（定义，使用，方法重写，多态的实现，接口回调）4.实验内容内容1：利用抽象类和多态的知识完成宠物商店宠物的“自我介绍”程序。要求：设计一个模拟发声器
转载
2024-10-10 10:26:17
41阅读
前文我们用keras的Sequential 模型实现mnist手写数字识别，准确率0.9713。今天我们完成day40-42的课程，实现猫、狗的识别。本文数据集下载地址https://download.microsoft.com/download/3/E/1/3E1C3F21-ECDB-4869-8368-6DEBA77B919F/kagglecatsanddogs_3367a.zip本文需要用到
转载
2024-05-22 10:35:28
160阅读
一、导入库glob 和 os 都是Python的标准库模块，也就是说它们随Python一起安装，无需额外安装即可使用。
glob 模块提供了一个在目录中使用通配符搜索创建文件列表的函数，例如，可以使用 glob.glob('*.txt') 来查找当前目录下所有的 .txt 文件。
os 模块提供了与操作系统交互的接口，包括文件和目录操作、进程管理、系统环境变量等。这两个模块都是Python自带的，
转载
2024-08-05 17:32:34
80阅读
最近在尝试学习使用卷积神经网络对猫狗进行识别，准备猫、狗图片各500张图片，图片是大小不一的彩色图片。大致的实现思路：各准备猫、狗500张图片，并对其命名“cat.XXX.jpg”、“dog.XXX.jpg”，计划20%猫、20%狗作为验证，剩下做训练；图片大小归一化：使用OpenCV3把图片归一为64*64的彩色图片；读取图片内容（numpy数组，batchszie*64*64*3）、标签值（0
转载
2024-04-02 12:02:00
210阅读
使用深度学习分类猫狗图片前言一、下载数据二、构建网络三、数据预处理四、使用数据增强总结 前言本文将介绍如何使用较少的数据从头开始训练一个新的深度学习模型。首先在一个2000个训练样本上训练一个简单的小型卷积神经网络，不做任何正则化，为模型目标设定一个基准。这会得到71%的分类精度。此时的主要问题在于过拟合。然后我们将会介绍数据增强（data augmentation）,它在计算机领域是
转载
2024-07-17 07:53:17
129阅读
前言对于计算机视觉方面的各种研究，目前都是以神经网络为基础，并且目前主流的在图像识别方面运用最多的就是基于**CNN(卷积神经网络)**的各种神经网络。本文就以CNN为基础对Kaggle经典的猫狗识别数据集进行分类。本次采用最简单的CNN模型为例子，网络主要将构造两个卷积层和一个全连接层对猫狗数据集进行分类，后续将运用更加复杂的预训练模型进行训练，从而对比不同复杂程度的神经网络的预测效果。数据预处
转载
2024-02-19 11:29:30
115阅读
Kaggle的数据大部分时候和实际应用场景相去甚远。除了简历上的项目经历，Kaggle项目以及相应被分享出来的代码不会直接有助于工作本身。Kaggle更多是一种算法与实际问题结合的实验。尽管如此，Kaggle仍然是目前所能找到的最接近工作和业务场景的平台。而且它不失为一个非常好的练习编程能力的工具。同时，它为数据科学提供了趣味性和专业性，甚至为程序员、数据工作者们提供了一个社交平台。这
转载
2024-05-23 08:13:06
122阅读
这份数据集来源于Kaggle，数据集有12500只猫和12500只狗。在这里简单介绍下整体思路 1. 处理数据 2. 设计神经网络 3. 进行训练测试1. 数据处理将图片数据处理为 tf 能够识别的数据格式，并将数据设计批次。第一步get_files() 方法读取图片，然后根据图片名，添加猫狗 label，然后再将 image和label 放到 数组中，打乱顺序返回将第一步处理好的图片 和labe
转载
2023-12-19 21:48:28
336阅读
下面，就用得到.h5文件继续。 这里是所有的头文件的汇总：import keras
keras.__version__
from keras.models import load_model
from keras.preprocessing import image
import numpy as np
from keras import models
import matplotlib.pyp
转载
2024-08-22 14:13:52
178阅读
文章目录一、直接训练1、导入需要的库2、创建文件夹3、建立网络4、数据预处理二、数据增强三、过拟合四、数据增强 一、直接训练1、导入需要的库import keras
keras.__version__'2.0.6'import os, shutil2、创建文件夹会在创建好的文件夹下面创建train、test、validation三个文件夹，同时这三个文件夹下面都会创建cat与dog文件夹，并拷贝
转载
2024-04-27 16:23:48
80阅读
在这篇文章中，我们将展示如何建立一个深度神经网络，能做到以 90% 的精度来对图像进行分类，而在深度神经网络，特别是卷积神经网络兴起之前，这还是一个非常困难的问题。深度学习是目前人工智能领域里最让人兴奋的话题之一了，它基于生物学领域的概念发展而来，现如今是一系列算法的集合。事实已经证明深度学习在计算机视觉、自然语言处理、语音识别等很多的领域里都可以起到非常好的效果。在过去的 6 年里，深度学习已经
论文阅读笔记（三）——从老虎到熊猫：动物头部检测论文简介论文中文翻译：《从老虎到熊猫：动物头部检测》论文名称：《From Tiger to Panda: Animal Head Detection》期刊情况期刊：《IEEE TRANSACTIONS ON IMAGE PROCESSING》期刊情况：中科院/1区/2区影响因子9.340Q1分区平均审稿速度：平均8.1个月摘要鲁棒的对象检测在现实世界
转载
2024-05-14 22:29:56
0阅读
一.实验准备 1.软件 自行下载Anaconda3 二.实验过程 在 Jupyter Notebook中实验1.数据集 （1）下载 百度网盘下载kaggle网站的数据集下载地址： https://www.kaggle.com/lizhensheng/-2000（2）分类 2.代码import tensorflow as tf
import keras
import os, shutil
# 原始
转载
2024-07-18 18:48:36
84阅读
最近在积攒粉丝500，大家帮帮忙，动动小手指关注、点赞、收藏…??????完整代码：概要VGG网络结构是牛津大学著名研究组VGG（ Visual Geometry Group ）在2014年提出的卷积神经网络结构，受AlexNet网络启发的，其探索卷积神经网络的深度和其性能之间的关系，优化方向属于“网络加深” 。 VGG网络是ILSVRC-2014竞赛分类任务第二名，其错误率为7.5%左右，跟冠军
文章1.导入第三方库2.定义模型3.训练数据和测试数据生成4.训练模型 猫狗分类的数据集可以查看图像数据预处理。 代码运行平台为jupyter-notebook，文章中的代码块，也是按照jupyter-notebook中的划分顺序进行书写的，运行文章代码，直接分单元粘入到jupyter-notebook即可。 简单CNN实现猫狗分类代码：1.导入第三方库from keras.models imp
转载
2023-09-27 07:42:48
629阅读
Kaggle猫狗大战——基于Pytorch的CNN网络分类：数据获取、预处理、载入（1）第一次写博客，之前一直是靠着学学代码，这次不得不亲自上场了，就想着将学习的过程都记录下来。新人分享，可能菜了点，还请大家多多包涵。这次的目标是构建一个Kaggle猫狗大战的CNN识别网络，内容有点多，就分了几步讲。第一章就先讲讲一些准备工作，包括数据获取、程序的框架、预处理这些。数据获取首先你需
转载
2024-06-30 19:39:15
67阅读
猫狗大战（简单的目标识别）： 1、图片处理： （1）所给的图片像素不同，无法处理，图片还是jpg形式需要解码，图片 还要加上标签，去标记，才能去比对然后训练 （2）所获得的数据集是大量的，需要把这些数据分成队列，一队有多少个图片，一次训练，就给 神经网络这一队的数据，分组的任务也在图片处理这方面 这两部分都怎么做： （1）第一部分：给图片打上标签，先把这一类型的图片提取出，放到一个列表里，并给这些
转载
2024-02-05 14:24:27
240阅读
该例程使用数据集来源于 kaggle cat_VS _dog 数据集中的一部分， 用卷积神经网络实现猫狗图片二分类，例程序比较简单，就不多解释了，代码中会有相应的注释，直接上代码：import numpy as np
import pandas as pd
from keras.preprocessing.image import ImageDataGenerator, load_img
fro
转载
2024-01-30 05:19:09
300阅读
卷积神经网络：猫狗识别目录第一步：导入数据集第二步：数据预处理第三步：迁移学习第四步：模型保存第五步：模型融合第一步：导入数据集kaggle猫狗大战数据集地址:kaggle# 将kaggle的数据集直接下载到codelab中
!pip install -U -q kaggle
!mkdir -p ~/.kaggle
!echo '{"username":"填写你自己的username","key"
转载
2023-11-20 09:05:02
122阅读
1. R-CNN的优势a. 使用CNN来对region proposal来进行定位和分割物体；b. 使用大样本下有监督预训练pretrain+小样本微调finetune的方式在小样本数据集上能取得较好的效果。（因为之前都是做图像分类的任务，而目标检测的任务的标注数据很少。而本文的方法先进行网络的图片分类训练，用来做目标检测神经网络的参数初始化，精度可以有很大的提升。）2. R-CNN
转载
2024-08-07 09:18:03
47阅读
