猫狗大战——基于TensorFlow的猫狗识别（4）

微信公众号：龙跃十二

我是小玉，一个平平无奇的小天才！

关于猫狗识别是机器学习和深度学习的一个经典实例，下来小玉把自己做的基于CNN卷积神经网络利用Tensorflow框架进行猫狗的识别的程序和注释都分享给大家，源码我放在了GitHub上，欢迎star🌟！

悄悄说，github上出了源码详解还有思维导图，答辩PPT，赶快去star！

https://github.com/ixiaoyu-tech/xiaoyu-project

在前边的文章中，我们已经对数据集做了相关处理，接下来利用卷积神经网络进行了模型的构建，接下来就要进行到整个项目最核心的部分，对模型进行训练，这也是为我们在做图像的识别时做的最重要的一步了，接下来我们看看在模型训练中可能遇到的问题。

文件名：train.py

模块的导入：

import os
import numpy as np
import tensorflow as tf
import input_data
import model

相关参数的定义：

N_CLASSES = 2 # 二分类问题，两个输出神经元，即0，1
IMG_W = 208 #图片的宽度
IMG_H = 208 #图片的高度
BATCH_SIZE = 16 #批次大小
CAPACITY = 2000  # 队列最大容量2000
MAX_STEP = 5000 #最大训练步骤
learning_rate = 0.0001  #学习率

学习率的设置对于整个模型的训练来说至关重要，学习率过大会导致识别率曲线不收敛，过小也会浪费识别时间，占用空间，所以合适的学习率的选择非常重要。

开始模型的训练：

def run_training():
    """    
    ##1.数据的处理    
    """    
    # 训练图片路径    
    train_dir