主要参考：《深度学习——caffe之经典模型详解与实战》kaggle数据集下载链接：https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data数据集的说明：一共由两个文件：train.zip:训练集，图片文件命名格式：cat.X.jpg,dog.X.jpg，这个是一个二分类问题，需要根据cat/dog的类别进行0/1分类，即将c
转载
2024-02-26 19:44:52
1016阅读
## Pytorch 图像分类教程。 在实践中，对猫和狗进行分类可能有些不必要。但对我来说，它实际上是学习神经网络的一个很好的起点。在本文中，我将分享我执行分类任务的方法。可以通过访问要使用的数据集。以下是这篇文章的大纲： 1. 导入模块和设置设备 2. 加载图像和创建标签 3. 预处理和数据扩充 4. 自定义数据集类和数据加载器
转载
2023-12-15 11:56:23
67阅读
背景： 本文主要介绍猫狗分类问题，原型取自2013年的kaggle计算机竞赛，你可以从https://www.kaggle.com/c/dogs_vs_cats/data获取必要的数据集，或者寻找其他的镜像文件。数据集包含25000张猫狗图像，这里我们选取2000张，其中，1000张训练集，500张验证集合500张测试集。 &nbs
转载
2024-07-06 09:03:35
71阅读
1-《Tensorflow入门图像分类-猫狗分类-安卓》2-《TensorFlow入门图像分类-猫狗分类-MobileNet优化》
最近在温习 Tensorflow，写了一篇笔记，记录了使用 Tensorflow 训练一个猫狗图像分类器的模型并在安卓应用上使用的全过程。一、数据集准备1.1 数据集来源 &nbs
转载
2023-12-24 11:09:19
706阅读
在本文中，我们将围绕“猫狗分类CNN PyTorch”展开，探讨从业务场景分析到扩展应用的全流程。
**背景定位**
在现代计算机视觉应用中，图像分类是一项关键任务。猫狗分类问题是一个经典且易于理解的入门示例。想象一下，如果我们有一个在线宠物商店，希望能够根据用户上传的宠物照片进行智能分类，这就需要一种高效的图像分类解决方案。
为了量化这一业务场景，我们可以使用以下模型来描述业务规模：
$
文章目录0.前言1.猫狗分类数据集1.1数据集下载（可选部分）1.2数据集分析2.猫狗分类数据集预处理2.1训练集和测试集划分2.2训练集和测试集读取3.剩余代码4.总结 0.前言同为计算机视觉任务，最经典的MNIST手写数字识别在文章Pytorch+CNN+MNIST实战已经讲得非常详细了，所以对于代码，长篇大论都是模板照套MNIST，故而只需要阐明与MNIST区别，升华境界。1.猫狗分类数据
转载
2024-01-29 10:21:41
145阅读
机器学习策略（二）1 错误分析1.1 进行错误分析1.2 清理错误标记的数据2 训练集与开发集/测试集分布不一致2.1 训练集与开发集/测试集不同分布2.2 偏差和方差与数据分布不匹配2.3 解决由于数据不匹配带来的问题3 从多个任务中学习3.1 迁移学习、与训练、微调3.2 多任务学习4 端到端学习4.1 什么是端到端学习4.2 什么时候适合端到端学习 1 错误分析1.1 进行错误分析假设我们
tensorflow2.3实现猫狗数据分类自定义训练首先需要下载相关的数据集，可从kaggle官网进行下载。 导入包import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import glob查看tensorflow的版本print('Tensorflow version: {}'.format(tf.
转载
2024-01-25 17:45:51
151阅读
与RNN一样，输入也是三个维度，由于之前RNN先使用了CNN进行过滤，这次LSTM模型不使用CNN过滤，直接把所有向量放入训练。如下图，没有和RNN一样使用三层卷积层。定义超参数BATCH_SIZE = 32 # 每批处理的数据DEVICE = torch.device('cuda' if torch.cuda.is_available() else 'cp
转载
2023-11-26 19:54:44
118阅读
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
1 使用卷积神经网络识别猫和狗数据集1.1 理论基础1.1.1 VGG架构VGG16是由Karen Simonyan和Andrew Zisserman于2014年在论文“VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE SCALE IMAGE RECOGNITION”中提出的一种处理多分类、大范围图像识别问题的卷积神经网络架构，成功对ImageNet
转载
2024-03-19 14:40:38
116阅读
出现问题： 这个数据集和手写数字识别的数据集不一样，它没有单独的label分类对应的文件夹，但是它每张图片的 命名非常规范都是cat.X.img或者dog.X.img,所以要先把每张图片对应的标签读取出来。这时候我参考了别人的博客使用os.listdir("D:/pycharm/maogoushibie/maogou/train.zip")读取图片的名字 这里出现了两个错误， （1）按照文件夹复制
转载
2024-02-04 20:26:51
453阅读
猫狗分类CNN实验环境编译器 ：win10+python3.7.4+pycharm2018库： anaconda+pytorch+tensorflow+tensorboardX硬件 gpu（可以没有）性能：accuracy：准确度大概稳定在0.6左右。这是在二分类的情况下。如果测试自己的图片，也就是存既不是猫也不是狗的概率的话，肯恶搞准确度会更低。loss：约为0.02Ⅰ、解决方法一、数据集
转载
2023-08-09 21:12:58
494阅读
今天和大家分享一个开源项目，利用ResNet-18进行猫狗分类。整个项目基于Pytorch1.7实现。项目地址为：https://gitee.com/cv365/cat-dog_classification1.背景给定25000张图片，其中一半图片内容为猫，另外一半图片内容为狗，如下图所示：想要训练一个分类器，用于分类图片中的动物是猫还是狗。我们将这25000张图片分成2部分，第一部分为20000
转载
2024-01-08 17:46:35
131阅读
网络的输出层设置两个神经元的原因：神经网络有两个输出值对应两种类别，通过学习数据的不同特征，让两种类别在输出上有体现，即0趋近于猫，1趋近于狗。宏观上来看，神经网络具有了辨识猫狗的能力。训练过程中，有对GT由一维处理成二维的操作，目的也是为了和神经网络二维的输出进行匹配。程序1中测试程序有误。程序2进行了修改，修改后在12000张图片中正确率达到了90%，浮动在2%以内，二分类的全连接网络效果还是
转载
2023-11-02 23:01:43
86阅读
使用Tensorflow 2进行猫狗分类识别
本文参照了大佬Andrew Ng的所讲解的Tensorflow 2视频所写，本文将其中只适用于Linux的功能以及只适用于Google Colab的功能改为了普适的代码同时加入了自己的理解，尚处学习与探索阶段，能力有限，希望大家多多指正。文章所需代码均在Jupyter Notebook当中实现。 目录
使用Tens
转载
2024-03-28 14:08:42
150阅读
文章目录1.制作数据集2.搭建网络训练3.输入图片测试 1.制作数据集（1）下载数据集。从网上下载kaggle猫狗分类的数据集，为缩短训练时间，选择2000张图片（猫狗各1000张）作为训练集，200张图片（猫狗各100张）作为测试集。在train文件夹选0-1999的猫和0-1999的狗作为训练集，选2000-2099的猫和2000-2099的狗作为测试集。（2）调整图片的大小。图片大小不一，
转载
2024-01-15 01:19:07
149阅读
卷积神经网络CNN入门训练，pytorch实现，无GPU，CPU实现。
转载
2022-10-08 11:14:29
802阅读
目录猫狗分类数据处理下载数据集解压数据集确定路径打印数据名获取每种数据的数量数据集可视化引入头文件绘图设计训练模型引入头文件设计模型打印模型相关信息进行优化方法选择和一些超参数设置数据处理（利用ImageDataGenerator自动打标签）进行训练使用我们自己的图片进行验证可视化隐藏层绘制精度和损失曲线终止程序 猫狗分类内容总结自吴恩达TensorFlow2.0的课程 不同于之前在人造的数据集
转载
2024-03-24 15:23:02
26阅读
已经在深度学习方面潜水了很久，理论知识了解个大概，代码能力相差很远，至于为什么写这行代码，每个句子的功能是什么，了解的一塌糊涂，为熟悉深度学习的应用和提高Code水平，现使用Keras搭建CNN对猫狗进行分类。 本文结构：1、数据集；2、网络设计；3、训练网络；4、测试网络。1、数据集对于刚入门的新手，数据集处理是一个很困难的操作，一般数据集可以从tensorflow的kreas导入或使用自己
转载
2023-11-14 09:40:06
133阅读
