猫狗数据集分类(97%的准确率，tensorflow)

最新推荐文章于 2024-05-27 15:00:13 发布

「已注销」

最新推荐文章于 2024-05-27 15:00:13 发布

阅读量1.7k

点赞数 1

文章标签： tensorflow 深度学习 python cnn 神经网络

本文链接：https://blog.csdn.net/m0_73089087/article/details/126362706

版权

import matplotlib.pyplot as plt
import numpy as np
import os
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.preprocessing import image_dataset_from_directory

#您将使用包含数千个猫和狗图像的数据集
_URL = 'https://storage.googleapis.com/mledu-datasets/cats_and_dogs_filtered.zip'
path_to_zip = tf.keras.utils.get_file('cats_and_dogs.zip', origin=_URL, extract=True)
PATH = os.path.join(os.path.dirname(path_to_zip), 'cats_and_dogs_filtered')

train_dir = os.path.join(PATH, 'train')
validation_dir = os.path.join(PATH, 'validation')

BATCH_SIZE = 32
IMG_SIZE = (150, 150)

train_dataset = image_dataset_from_directory(train_dir,
                                             shuffle=True,
                                             batch_size=BATCH_SIZE,
                                             image_size=IMG_SIZE)

validation_dataset = image_dataset_from_directory(validation_dir,
                                                  shuffle=True,
                                                  batch_size=BATCH_SIZE,
                                                  image_size=IMG_SIZE)


"""
由于原始数据集不包含测试集，因此您需要创建一个。
为此，请使用 tf.data.experimental.cardinality 确定验证集中有多少批次的数据，
然后将其中的 20% 移至测试集。
"""
val_batches = tf.data.experimental.cardinality(validation_dataset)
test_dataset = validation_dataset.take(val_batches // 5)
validation_dataset = validation_dataset.skip(val_batches // 5)


#使用缓冲预提取从磁盘加载图像，以免造成 I/O 阻塞
AUTOTUNE = tf.data.AUTOTUNE

train_dataset = train_dataset.prefetch(buffer_size=AUTOTUNE)
validation_dataset = validation_dataset.prefetch(buffer_size=AUTOT