深度学习项目实战(一):猫狗识别
项目背景:
猫狗识别是卷积神经网络的入门实战案例,目的在于计算机可以识别出图片中是猫还是狗?其中数据集分为两类,一类是猫的图片,一类是狗的图片,如图所示:
我们项目的步骤:
- 数据读取,读取猫与狗的训练集与测试集数据。
- 网络架构:编写代码,确定卷积神经网络结构,即卷积层,池化层的分布。
- 卷积神经网络训练:使用训练集训练卷积神经网络模型。
- 测试卷积神经网络效果:使用测试集验证卷积神经网络的测试效果。
首先导入本次项目中所使用的工具包
import os
import warnings
warnings.filterwarnings("ignore")
import tensorflow as tf
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.preprocessing.image import ImageDataGener
数据读取:
-
指定数据路径(训练集与验证集)
-
对数据进行预处理,要求将数据转换为tensor格式,并归一化。
# 数据所在文件夹 base_d