12月23日，今日头条灵犬反低俗助手(以下简称“灵犬”)进行了升级。新版“灵犬”增加语音识别功能，支持用户以语音输入方式对内容进行反低俗检测，具备反色情低俗、反暴力谩骂、反标题党等能力。 目前，“灵犬”已实现支持文本识别、图片识别和语音识别，覆盖当今网络主流的内容类型。用户可在今日头条内搜索“灵犬反低俗助手”使用，输入文字、图片、语音等内容后即可得到其健康度指数。此外，伴随本次升级，今日头条对“
转载
2024-01-05 15:30:53
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
图像识别猫狗大战——初学代码之随笔训练集：12500张猫，12500张狗 1. 读取数据标签 item_label = item.split('.')[0] # 文件名形如 cat.0.jpg, 只需要取第一个。 # 将item以字符'.'为分割方式截取子串，存入字符串向量，获取向量的第[0]个元素。 # 如item='cat.0.jpg', 则item.split('.
转载
2023-10-12 10:22:58
985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：
【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
案例分析：下载猫狗图片，进行分类。对数据进行分类，训练集和测试集。 训练集和测试集都进行命名规范，把猫标记为1，狗标记为0。 处理流程： 数据处理，把数据处理为64X64大小的格式，参数初始化分被初试化 各层权重 W 和 偏置 b，（一般情况下W进行随机赋值，b赋值为1），前向传播，确定激活函数（浅层选择tanh函数，深层选择ReLu），交叉熵损失，反向传播（梯度下降），更新参数，构建神经网络，训
转载
2023-12-15 05:41:01
344阅读
很早就想做这个猫狗识别的程序，所以跟着唐宇迪教程做了一遍，中间部分参数做了修改。后面预测部分用自己的猫猫图片做了预测，虽然有点问题，但最后还是可以识别出来，问题不大，下面对程序几个部分进行讲解，最后会附上整个程序的附件。一、数据处理 整个训练集用了cat dog两个文件，每个数据集里面有500张图片，并且图片的大小
转载
2023-10-20 10:18:15
157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
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
Tensorflow 学习之猫狗分类案例本人一直在Cousera上学习Ng Andrew老师的Tensorflow课程，在本次猫狗分类案例当中，我对课程做了相应的记录，呈现在此，一方面加深学习的印象，另一方面记录自己学习的心得。如有错误还望各位大佬指正。注：我使用的是Spyder进行的代码编写与运行。 文章目录Tensorflow 学习之猫狗分类案例前言一、cats_and_dogs数据集1.ca
转载
2024-03-27 22:09:46
296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
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
目录1.项目数据及源码2.任务介绍3.数据预处理4.图像可视化5.建立模型6.进行训练 1.项目数据及源码可在github下载：https://github.com/chenshunpeng/Cat-dog-recognition-based-on-CNN2.任务介绍数据结构为：big_data
├── train
│ └── cat
│ └── XXX.jpg
转载
2024-08-10 18:25:39
247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
这篇文章中我放弃了以往的model.fit()训练方法，改用model.train_on_batch方法。两种方法的比较：
model.fit()：用起来十分简单，对新手非常友好
model.train_on_batch()：封装程度更低，可以玩更多花样。此外我也引入了进度条的显示方式，更加方便我们及时查看模型训练过程中的情况，可以及时打印各项指标。? 我的环境：语言环境：Python3.6.5编
转载
2024-03-13 11:36:41
69阅读
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。此次使用的
原创
2022-06-27 20:06:47
1597阅读
# 简单实现猫狗识别 PyTorch
随着人工智能技术的发展，图像识别成为一个热门领域，其中猫狗识别是一个经典的入门项目。本篇文章将介绍如何使用 PyTorch 来实现一个简单的猫狗识别模型，并展示其基本流程和代码示例。
## 环境准备
在开始之前，你需要准备以下环境：
- Python 3.x
- PyTorch
- torchvision
- Matplotlib（用于可视化）
可以
原创
2024-09-11 06:19:58
139阅读
# PyTorch实现CNN猫狗识别
## 介绍
在本篇文章中，我将向你介绍如何使用PyTorch实现一个基本的卷积神经网络（CNN）来进行猫狗识别。我们将从数据准备开始，然后构建CNN模型，最后训练和测试模型。
## 整体流程
下面是我们完成任务的整体流程：
| 步骤 | 描述 |
| --- | --- |
| 1 | 数据准备 |
| 2 | 构建CNN模型 |
| 3 | 定义损失函
原创
2023-08-10 17:39:15
409阅读
# 基于PyTorch的猫狗识别系统
在本篇文章中，我们将探讨如何使用PyTorch实现一个简单的猫狗图像分类系统。随着人工智能技术的发展，深度学习已经成为计算机视觉领域的重要工具，尤其是在图像分类任务中。我们将着重讲解项目的实现步骤、代码示例以及相关的图表展示。
## 项目概述
我们将训练一个卷积神经网络（CNN），用于区分猫和狗的图片。项目的基本步骤包括数据准备、模型构建、模型训练、验证
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
