PyTorch深度学习实战——猫狗分类
0. 前言
我们已经学习了如何构建卷积神经网络,并且在 Fashion-MNIST 数据集上执行图像分类。在本节中,我们使用更复杂数据集训练卷积神经网络,对包含猫或狗的图像进行分类。同时,我们还将了解当用于训练的图像数量变化时,模型的准确率如何变化。
1. 猫狗分类数据集
猫狗分类是一个常见的计算机视觉任务,将图片中的猫和狗进行分类。猫狗分类数据集是常用的计算机视觉任务数据集,用于训练和评估机器学习模型对猫和狗图像进行分类,该数据集包含大量的猫和狗的图片,每张图片都有相应的标签,表示其所属的类别(猫或狗)。
本节中,我们将使用 Kaggle
提供的猫狗分类数据集,Kaggle
猫狗分类数据集是公开的猫狗分类竞赛数据集,由 Kaggle
主办,该数据集包含了 25,000
张训练图像和 12,500
张测试图像,其中图像数量基本平衡,即一半是猫的图像,一半是狗的图像,在 Kaggle
官方网站