卷积神经网络的猫狗识别

一、准备工作

由于anaconda3中keras，tensorflow和Python版本对应的问题，如果不提前解决好的话后面会不停报错，然后就得重新再做，所以最好一开始就先把这些问题解决。
①首先，打开anaconda先新建一个环境，选择python3.6
②打开anaconda prompt，先激活刚才新建的环境

activate 名字

③下载相关库tensorflow（默认下载的一般都是2.X，后面就会各种报错，版本不支持，所以这里指定下载版本，我下的是1.10.0）

conda install --channel https://conda.anaconda.org/anaconda tensorflow=1.10.0 

④下载keras（可以自己去找一下对应版本，tensorflow1.10对应keras2.2.0）

pip install keras==2.2.0

⑤下载完之后可以测试一下

注意：这里可以再看一下numpy的版本，如果版本过高后面也会报错，所以提前看一下如果版本高于1.16可以先卸载重新安装符合要求的版本。
（还有些东西可以中途报错之后再去装，装完之后重新执行那一步就行了）

二、猫狗识别

2.1、下载数据集

（这里使用的数据集是从Kaggle网站上下载的）

这是分类之后的目录：

2.1.1、 图片分类

import os, shutil
# The path to the directory where the original
# dataset was uncompressed
original_dataset_dir = 'D:/wulianwang/louloulou/kaggle_Dog&Cat/train'

# The directory where we will
# store our smaller dataset
base_dir = 'D:/wulianwang/louloulou/kaggle_Dog&Cat/find_cats_and_dogs'
os.mkdir(base_dir)

# Directories for our training,
# validation and test splits
train_dir = os.path.join(base_dir, 'train')
os.mkdir(train_dir)
validation_dir = os.path.join(base_dir, 'validation')
os.mkdir(validation_dir)
test_dir = os.path.join(base_dir, 'test')
os.mkdir(test_dir)

# Directory with our training cat pictures
train_cats_dir = os.path.join(train_dir, 'cats')
os.mkdir(train_cats_dir)

# Directory with our training dog pictures
train_dogs_dir = os.path.join(train_dir, 'dogs')
os.mkdir(train_dogs_dir)

# Directory with our validation cat pictures
validation_cats_dir = os.path.join(validation_dir, 'cats')
os.mkdir(validation_cats_dir)

# Directory with our validation dog pictures
validation_dogs_dir = os.path.join(validation_dir, 'dogs')
os.mkdir(validation_dogs_dir)

# Directory with our validation cat pictures
test_cats_dir = os.path.join(test_dir, 'cats')
os.mkdir(test_cats_dir)

# Directory with our validation dog pictures
test_dogs_dir = os.path.join(test_dir, 'dogs')
os.mkdir(test_dogs_dir)

# Copy first 1000 cat images to train_cats_dir
fnames = ['cat.{}.jpg'.format(i) for i in range(1000)]
for fname in fnames:
    src = os.path.join(original_dataset_dir, fname)
    dst = os.path.join(train_cats_dir, fname)
    shutil.copyfile(src, dst)

# Copy next 500 cat images to validation_cats_dir
fnames = ['cat.{}.jpg'.format(i) for i in range(1000, 1500)]
for fname in fnames:
    src = os.path.join(original_dataset_dir, fname)
    dst = os.path.join(validation_cats_dir, fname)
    shutil.copyfile(src, dst)
    
# Copy next 500 cat images to test_cats_dir
fnames = ['cat.{}.jpg'.format(i) for i in range(1500, 2000)]
for fname in fnames:
    src