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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            文章目录一、实验准备二、开始实验2.1 制作数据集2.2 卷积神经网络CNN三、使用VGG19实现猫狗分类3.1 初始实列3.2 将数据集传递给神经网络3.3 将抽取的特征输入到自己的神经层中进行分类训练3.4 结果可视化四、资料引用 一、实验准备1.1 实验环境:anaconda3 + python3.8 + Jupyter notebook1.2 理解卷积神经网络CNN这部分网上资源很多1.            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-09-27 19:02:44
                            
                                260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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
             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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            前言: Hello大家好,我是Dream。 在我们的日常生活和学习中,尤其是针对人工智能专业的学生以及工作者而言,机器学习、神经网络是我们每天都要接触的工作,复杂多样的环境配置以及高要求的运行配置总让我们十分头疼,正因此我推荐大家去使用AmazonSageMaker,轻松解决你的烦恼。Amazon SageMaker是亚马逊云计算(Amazon Web Service)的一项完全托管的机器学习平台            
                
         
            
            
            
            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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            # 使用 TensorFlow 和 PyTorch 实现猫狗识别
随着深度学习的快速发展,图像分类任务已成为计算机视觉领域的热门研究方向。猫狗识别是一个经典的图像分类问题,利用TensorFlow或PyTorch等深度学习框架,我们可以相对容易地实现这一功能。本文将介绍猫狗识别的基本方法,并提供代码示例。
## 1. 项目概述
猫狗识别的目标是从图像中识别出猫或狗。我们将利用深度学习模型对图            
                
         
            
            
            
            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
                            
                                                                             
                 
                
                             
         
            
            
            
             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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            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
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            本文以研究报告形式描述了使用TensorFlow Slim 提供的预训练模型 Inception-ResNet-V2 进行猫狗图片分类的研究。一、 问题定义(一)项目概述本项目是机器学习竞赛平台Kaggle上的一个图片分类项目Dogs vs. Cats[1]——猫狗大战,项目要解决的问题实际是一个计算机视觉领域的图像分类问题,图像分类一般的工作模式为给定一张图片,判断其属于某个有限类别集合中的哪一            
                
         
            
            
            
            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
                            
                                                                             
                 
                
                                
                    