7.猫狗分类

最新推荐文章于 2024-06-26 10:03:48 发布

贾世林jiashilin

最新推荐文章于 2024-06-26 10:03:48 发布

阅读量1.7k

点赞数

分类专栏：深度学习相关文献和理论

本文链接：https://blog.csdn.net/qq_35290785/article/details/91899674

版权

深度学习相关文献和理论专栏收录该内容

126 篇文章 67 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了一个使用深度学习进行猫狗图片分类的实战项目，详细讲述了数据预处理、模型构建（如使用ResNet）、训练过程以及最终的分类效果评估。通过这个案例，读者可以了解图像分类的基本流程和技术要点。

摘要由CSDN通过智能技术生成

#!/usr/bin/env python
# -*- coding:utf-8 -*- 
# Author: Jia ShiLin

import numpy as np
from keras import callbacks
from keras.models import Sequential, model_from_yaml, load_model
from keras.layers import Dense, Conv2D, Flatten, Dropout, MaxPool2D
from keras.optimizers import Adam, SGD
from keras.preprocessing import image
from keras.utils import np_utils, plot_model
from sklearn.model_selection import train_test_split
from keras.applications.resnet50 import preprocess_input, decode_predictions

np.random.seed(7)
img_h, img_w = 150, 150
image_size = (150, 150)
nbatch_size = 256
nepochs = 48
nb_classes = 2


def load_data():
    path = './data/train/'
    files = os.listdir(path)
    images = []
    labels = []
    for f in

了解本专栏