本次使用了tensorflow高级API，在规范化网络编程做出了尝试。第一步：准备好需要的库tensorflow-gpu 1.8.0opencv-python 3.3.1numpyskimagetqdm 第二步：准备数据集：https://www.kaggle.com/c/dogs-vs-cats我们使用了kaggle的猫狗大战数据集我们
转载
2024-05-24 20:30:22
43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
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
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
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
源码及演示地址： 演示地址：https://www.wchime.xyz:8083/#/ 后端代码：https://gitee.com/mom925/pet-web-api 前端代码：https://gitee.com/mom925/uniapp-pets 项目说明
项目技术：django+mysql+uwsgi+nginx+uniapp逻辑：前端用户上传图片，djan
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
本文主要是使用【监督学习】实现一个图像分类器，目的是识别图片是猫还是狗。从【数据预处理】到 【图片预测】实现一个完整的流程， 当然这个分类在 Kaggle 上已经有人用【迁移学习】（VGG，Resnet）做过了，迁移学习我就不说了，我自己用 Keras + Tensorflow 完整的实现了一遍。准备工作：数据集： Dogs vs. Cats 注册激活困难，自己想想办法，Ps：实在注册
转载
2024-05-24 22:11:02
72阅读
前言预训练模型顾名思义就是使用别人已经训练好的模型参数放到自己的任务里面进行特定任务的微调。这里的模型参数包括：神经网络的结构、神经网络的权值参数。 本博客将尝试使用预训练模型进行猫狗分类。 代码地址：https://github.com/jmhIcoding/dogsVScats.git实验所用数据集及工具数据集本实验使用实验数据基于kaggle Dogs vs. Cats 竞赛提供的官方数据集
文章目录前言正文导入相应的文件处理、数据处理、深度学习、机器学习的库标记数据标签搭建卷积神经网络模型数据增强模型训练模型测试完整源码总结参考 纸上得来终觉浅，绝知此事要躬行前言希望保研顺顺利利的，好慌=.=csdn啥时候支持代码折叠啊啊啊啊啊使用windows10+CPU+pycharm+tensorflow.keras+python搭建简单的卷积神经网络模型，并进行猫狗分类数据来源于kaggl
转载
2023-12-24 10:58:32
63阅读
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
猫狗大战是kaggle平台上的一个比赛，用于实现猫和狗的二分类问题。最近在学卷积神经网络，所以自己动手搭建了几层网络进行训练，然后利用迁移学习把别人训练好的模型直接应用于猫狗分类这个数据集，比较一下实验效果。自己搭建网络需要用到的库import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorfl
转载
2024-05-09 15:06:01
168阅读
这一节我们将用Tensorflow2.0完成一个图像领域处理的重要任务，即是“迁移学习”。迁移学习简单来说就是一个预训练的模型（已经在别的数据集上训练过的）重新使用在另一个数据集或任务中。迁移学习不仅大大减小了我们的新数据集的训练时间和难度，而且使得模型的泛化能力更强。那么这一节课我们就通过迁移学习来完成一个猫狗分类的例子。关于迁移学习的底层原理或更多信息，朋友们可以观看其它博主更详细的博客，或者
转载
2024-01-28 08:31:35
56阅读
最近暑假有时间，因此想学一点东西，然后又因为限于自己电脑的显卡是A卡，不能GPU加速，也用不了pytorch框架，所以就选择tensorflow。 现在也在刚刚入坑tensorflow因此做的项目比较低级，现在这篇文章就是关于猫狗分类。之前也曾网上也举行过猫狗分类的比赛，因此猫狗数据集，可以到链接猫狗数据集，直接就可以下载到本地。 但是我下载完，抽取猫狗分别500张图片，然后进行跑程序时发现，其中
转载
2024-01-02 12:23:59
40阅读
目录前言1. Introduction（介绍）2. Related Work（相关工作）2.1 Analyzing importance of depth（分析网络深度的重要性）2.2 Scaling DNNs（深度神经网络的尺寸）2.3 Shallow networks（浅层网络）2.4 Multi-stream networks（多尺寸流的网络）3. METHOD（网络设计方法）3.1 PA
转载
2024-06-03 10:58:54
55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
## 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
目录一.数据处理 二.构造网络三.训练和测试四.展示结果一.数据处理 Dogs vs. Cats(猫狗大战)，其中训练集有20000张，猫狗各占一半，验证集20000，测试集2000张，没有标定是猫还是狗。要求设计一种算法对测试集中的猫狗图片进行判别，是一个传统的二分类问题。 拿到数据，先查看数据集，可以看到图片的大小均不一致且没有y值。所以我们需要自
转载
2023-10-18 19:32:13
320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
目录核心概念graph_optimizerfunctionoptimization_registry1. 核心概念本篇主要讲图的优化迭代器。我们在构建原始图的时候，专注于达到目的，但不会去考虑图的执行效率。如果把图的设计过程比喻为高级语言的编写，那么图的优化过程就相当于，将高级语言编译为机器语言的过程中，为了能够加速进行的编译优化。比如，将相同的常数折叠，将Identity节点去除等等。本节主要用
转载
2024-10-20 18:01:19
53阅读
