前言： 上一篇，我们介绍了小型卷积神经网络训练分类模型，这次我们将采用预训练网络。二、使用预训练的卷积神经网络 想要将深度学习应用于小型图像数据集，一种常用且非常高效的方法是使用预训练网络（pretrained network）。预训练网络是一个保存好的网络，之前已在大型数据集上训练好。如果
转载
2024-07-23 13:49:39
60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
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
使用ResNet18网络实现对Cifar-100数据集分类简介本次作业旨在利用ResNet18实现对于Cifar-100数据集进行图像识别按照精细类进行分类。 Cifar-100数据集由20个粗类和100个细类组成，每个粗类包含5个细类，每个细类有500张训练图片和100张测试图片。 残差神经网络(ResNet)是由微软研究院的何恺明、张祥雨、任少卿、孙剑等人提出的。ResNet 在2015 年的
转载
2024-04-01 19:47:06
168阅读
前言最近想复现一下xception实现分类的任务，但是网络上只找的到xception的结构实现[1]或是像VGG[2]，Inception-v3[3]之类的迁移学习。没有代码能直接拿来用，那就学习一下，自己写写。最终目标当然不只是猫狗分类，不过可以用它来验证一下正确性。如果完全不懂keras，可以去看一下这个教程视频，它的前提是懂得tensorflow或者theano。很基础，能有个大概的了解。数
转载
2024-05-20 21:12:47
54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
摘要ResNet（Residual Neural Network）由微软研究院的Kaiming He等四名华人提出，通过使用ResNet Unit成功训练出了152层的神经网络，并在ILSVRC2015比赛中取得冠军，在top5上的错误率为3.57%，同时参数量比VGGNet低，效果非常明显。模型的创新点在于提出残差学习的思想，在网络中增加了直连通道，将原始输入信息直接传到后面的层中
原创
2022-04-22 23:14:27
3898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
152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
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
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
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
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
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
本案例使用 jupyter notebook 实现数据集来源https://www.kaggle.com/biaiscience/dogs-vs-cats查看数据集数据集共分为test和train两个文件夹，test文件夹里面的图片没有标签，因此我们仅使用train文件夹内的图片，部分图片如下，可以看到图片的标签为文件名的前三个字母，猫为cat，狗为dog。导入头文件import matplotl
转载
2023-09-25 04:55:46
274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
【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
【作业向】 根据给定的猫狗分类数据集，对比 单层CNN模型、从头训练CNN模型(mobileNet)、微调预训练CNN模型(mobileNet)的差异。生成的模型的正向传播图使用PyTorch实现。 本文代码（数据集在同目录下） 文章目录关于数据集建立Dataset对象模型1：单层卷积+单层池化+全连接定义训练和评估函数模型2：从头训练（MobileNet）模型3：预训练模型+微调（MobileN
转载
2023-11-15 15:10:54
189阅读
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
