kaggle是一个为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台，在这上面有非常多的好项目、好资源可供机器学习、深度学习爱好者学习之用。碰巧最近入门了一门非常的深度学习框架：pytorch（如果你对pytorch不甚了解，请点击这里），所以今天我和大家一起用pytorch实现一个图像识别领域的入门项目：猫狗图像识别。深度学习的基础就是数据，咱们先从数据谈起。
转载
2024-09-13 20:43:14
73阅读
# 使用 PyTorch 实现猫狗检测识别
在这篇文章中，我们将利用 PyTorch 实现一个猫狗检测识别的系统。这个过程包括数据准备、模型构建、训练以及测试。接下来，我们将详细介绍每个步骤，并附上相应代码。
## 整体流程
以下是我们实现猫狗检测识别所需的整体流程：
| 步骤 | 描述 |
原创
2024-09-30 03:24:43
155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
前言前面用CNN卷积神经网络对猫狗数据集进行了分类，可以看出一个层数比较低的CNN在做分类的时候效果达不到特别好，前面的CNN只能达到75%-80%的正确率，但是那是由于我们的CNN结构比较简单，所以要想分类效果更好，我们需要用更加复杂的模型，这里我就采用更加复杂的深度残差神经网络(ResNet)对猫狗数据集进行训练分类。我们可以直接采用预训练模型ResNet50进行模型训练，如果不知道预训练是什
转载
2024-02-19 17:12:44
75阅读
【导读】近日，DeepMind又整了个新活：RELIC第二代！首次用自监督学习实现了对有监督学习的超越。莫非，今后真的不用标注数据了？机器学习中，伴随着更多高质量的数据标签，有监督学习模型的性能也会提高。然而，获取大量带标注数据的代价十分高昂。按照AI行业的膨胀速度，如果每个数据点都得标记，「人工智能=有多少人工就有多智能」的刻薄笑话很可能会成为现实。不过一直以来，表征学习、自监督学习等办法的「下
文章目录数据准备&处理模型构建训练 kaggle上的一个经典项目，拿来做做算是当CNN入门了，做的比较粗糙简单 我把整个项目分成了四块 config用来配置一些参数，Dataset用来构建数据集 Main用来训练和保存数据等，Module用来放构建的模型 config的配置如下 TRAIN_PATH = r'D:\temp\train'
PRE_PATH = r'D:\temp
转载
2024-04-28 13:35:53
118阅读
数据集地址：https://www.kaggle.com/datasets/shaunthesheep/microsoft-catsvsdogs-dataset```python
from shutil import copyfile
import random
import torch.nn as nn
from torch.utils.data import DataLoader
import
转载
2024-07-04 15:48:21
89阅读
【导读】 十年前，研究人员认为让计算机来区分猫和狗几乎是不可能的。如今，计算机视觉识别的准确率已超过99%。Joseph Redmon通过一个叫YOLO的开源目标检测方法，可以迅速识别图像和视频中的目标。10年前，计算机视觉研究者认为，要让一台电脑去分辨出一只猫和狗的不同之处，这几乎是不可能的，即便是在当时人工智能已经取得了重大突破的情况下。从猫狗不分到实时识别准确率超99%，计算机图像是如何做到
转载
2023-11-13 22:19:19
119阅读
作业是：【中文】【吴恩达课后编程作业】Course 1 - 神经网络和深度学习 - 第二周作业 本文对作业程序进行全面测试。#为测试内容，前面的#后为测试程序，后面的#后为测试结果。总结和感悟：通过此次作业，我发现w刚开始是一个空壳，将它定义成：w.T与X可以相乘（符合矩阵乘法），w.T的shape为(1,像素总数)，X的shape为（像素总数，图片数），两者乘积的shape
转载
2023-12-08 15:47:49
156阅读
# 使用PyTorch进行猫狗识别
在机器学习领域，图像分类是一个非常经典的任务。我们可以使用深度学习框架PyTorch来实现一个简单的猫狗识别模型。本文将带您通过一些基本步骤，了解如何使用PyTorch构建和训练一个猫狗分类器。
## 环境准备
在开始之前，确保您已经安装了PyTorch。您可以通过以下命令来安装：
```bash
pip install torch torchvisio
Tensorflow学习（使用jupyter notebook）Keras框架下的猫狗识别（一） 模型构建与训练Tensorflow学习（使用jupyter notebook）前言一、数据预处理二、使用步骤1.引入库2.定义模型3.训练数据生成4.训练开始5.保存模型总结 前言 紧接上文Keras框架下的猫狗识别（一） 上文提到对于数据集的提前处理方法和技巧，而在这篇博客中，我们继续进行对
转载
2024-09-18 18:25:43
63阅读
? 要求： 了解model.train_on_batch()并运用 了解tqdm，并使用tqdm实现可视化进度条? 拔高（可选）： 本文代码中存在一个严重的BUG，请找出它并配以文字说明猜测： 模型在训练过程中，第4个epoch，val_acc就达到了100%，这个有点诡异。猜测代码中的BUG引起的。感觉是训练数据和验证数据是同一份，用训练数据去做验证了，才能在如此短的时间内就达到了100%的va
转载
2024-05-09 12:12:37
40阅读
我的环境：语言环境：Python3.8编译器：jupyter lab深度学习环境：TensorFlow2.5参考文章：本人博客(60条消息) 机器学习之——tensorflow+pytorch● 难度：夯实基础⭐⭐ ● 语言：Python3、TensorFlow2 ● 时间：9月12-9月16日? 要求：了解model.train_on_batch()并运用（✔）了解tqdm，并使用tqdm实现可
转载
2024-05-23 08:56:34
35阅读
1.背景介绍网络保护通常面临的一个难题就是，他应该让人能够很容易地识别，而让机器无法识别，比如验证码，可以有效地减少垃圾邮件，还能防止用户的密码被恶意2.原理分析最好的办法就是使用迁移学习，通过迁移学习，来让没有太多计算资源的人也能顺利实现深度学习中复杂模型的训练。迁移学习 在机器学习的经典监督学习场景中，如果针对一些任务A训练一个模型，会通过提供任务A的数据和标签来进行训练，现在已经在给定的数据
转载
2024-06-23 11:25:10
58阅读
（一）数据负责实现读取数据，生成批次（batch）import tensorflow as tf import numpy as np import osos模块包含操作系统相关的功能，可以处理文件和目录这些我们日常手动需要做的操作。因为我们需要获取test目录下的文件，所以要导入os模块。数据构成，在训练数据中，There are 12500 cat,There are 12500 dogs
转载
2023-09-04 13:29:21
1364阅读
CV之IC之AlexNet：基于tensorflow框架采用CNN卷积神经网络算法(改进的AlexNet,训练/评估/推理)实现猫狗分类识别案例应用目录基于tensorflow框架采用CNN(改进的AlexNet,训练/评估/推理)卷积神经网络算法实现猫狗图像分类识别数据集介绍输出结果使用model.ckpt-6000模型预测 预测错误的只有一个案例，如下所示训练结果核心代码基于tens
转载
2024-06-22 11:18:42
81阅读
# 使用 PyTorch 实现猫狗识别的详细指南
猫狗识别是一个经典的计算机视觉任务，适合初学者学习深度学习和卷积神经网络（CNN）。本文将系统地讲解怎样使用 PyTorch 来实现这个项目，包括所需步骤、代码示例及详解，以及如何创建和训练模型。我们还会使用一些可视化语言（如 Mermaid）来展示流程和时间线。
## 项目流程
首先，我们概述一下实现猫狗识别的主要流程，以下是一个步骤表：
# Pytorch CNN猫狗识别教程
## 流程图
```mermaid
flowchart TD;
A[准备数据集] --> B[搭建CNN模型];
B --> C[训练模型];
C --> D[测试模型];
D --> E[预测图片];
```
## 教程
### 1. 准备数据集
首先，你需要准备一个包含猫和狗图片的数据集，可以使用Kaggle上的
原创
2024-03-31 05:22:35
91阅读
# PyTorch 猫狗识别教程
## 引言
本文旨在帮助刚入行的小白学习如何使用 PyTorch 实现猫狗图像分类模型。我们将逐步引导你完成整个过程，包括数据集准备、模型构建、训练和测试。最后，通过模型的结果，你将能分辨出猫和狗的图片。
## 整体流程
下面是一张简单的流程图，展示了我们将要进行的步骤：
| 步骤 | 描述
【导读】十年前，研究人员认为让计算机来区分猫和狗几乎是不可能的。如今，计算机视觉识别的准确率已超过99%。Joseph Redmon通过一个叫YOLO的开源目标检测方法，可以迅速识别图像和视频中的目标。10年前，计算机视觉研究者认为，要让一台电脑去分辨出一只猫和狗的不同之处，这几乎是不可能的，即便是在当时人工智能已经取得了重大突破的情况下。Joseph Redmon家养的猫 Joseph Redm
