深度学习项目实战（一）:猫狗识别

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：

1. 指定数据路径（训练集与验证集）

2. 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