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