【Intel校企合作课程】基于VGG-16的猫狗识别

1.作业简介：猫狗大战

1.1问题描述：

          在这个问题中，你将面临一个经典的机器学习分类挑战——猫狗大战。你的任务是建立一个分类模型，能够准确地区分图像中是猫还是狗。

1.2预期解决方案：

        你的目标是通过训练一个机器学习模型，使其在给定一张图像时能够准确地预测图像中是猫还是狗。模型应该能够推广到未见过的图像，并在测试数据上表现良好。我们期待您将其部署到模拟的生产环境中——这里推理时间和二分类准确度（F1分数）将作为评分的主要依据。

1.3数据集

数据集：

链接：百度网盘 请输入提取码 

提取码：jc34

1.4图像展示

        

2.数据预处理

2.1数据集结构

        本项目数据集只有一个train数据集，我将其切分三部分，test，train，val文件夹。

    

其中cat文件夹下包含了猫的图片，dog文件夹下包含了狗的图片。

test集中包含的数据：

train和val集中包含的数据量：

       

2.2探索性数据分析 

        在这里，我分别取了train数据集下的随机不重样10只狗，10只猫的图像进行展示：

import matplotlib.pyplot as plt
import os
from PIL import Image

cat_dir = './train/cat'
dog_dir = './train/dog'

cat_image_list = os.listdir(cat_dir)
dog_image_list = os.listdir(dog_dir)

show_image = [os.path.join(cat_dir, cat_image_list[i]) for i in range(10)]
show_image.extend([os.path.join(dog_dir, dog_image_list[i]) for i in range(10)])

plt.figure()

for i in range(1, 21):
    plt.subplot(4, 5, i)
    img = Image.open(show_image[i-1])
    plt.imshow(img)

plt.show()

2.3提取数据集

        在本项目中，为了更好地提取出图像，我构建了一个函数，能够将每个主文件夹下的图片提取出来，并且打好了标签。

# 创建自定义数据集
class SelfDataset(Dataset):
    def __init__(self, root_dir, transform=None):
        self.root_dir = root_dir
        self.transform = transform
        self.classes = ['cat', 'dog']
        self.data = self.load_data()

    def load_data(self):
        data = []
        for class_idx, class_name in enumerate(self.classes):
            class_path = os.path.j