python学习之猫狗数据集的分类实验（一）

最新推荐文章于 2024-08-20 19:14:42 发布

无落

最新推荐文章于 2024-08-20 19:14:42 发布

阅读量8.9k

点赞数 6

分类专栏： wuluo python3 文章标签： python cat dog

博客仅供学习使用，其它用途，请联系博主，转载请标明链接，

本文链接：https://blog.csdn.net/qq_43433255/article/details/93855517

版权

本文介绍了一次使用Python进行猫狗数据集分类的实验，强调了使用GPU进行训练的重要性，以提高效率。实验展示了不同运行环境下（GPU与CPU）的效果对比，并给出了相关代码运行的效果。

摘要由CSDN通过智能技术生成

对于猫狗数据集分类实验，
在这之前，建议用GPU跑数据集，CPU太慢了！
代码：

import os
import shutil  # 复制文件
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout
from keras.optimizers import RMSprop
from keras.preprocessing.image import ImageDataGenerator
import matplotlib.pyplot as plt
from keras.preprocessing import image

# 原始目录所在的路径
# 数据集未压缩
original_dataset_dir = 'G:\\2018and2019two\\qianrushi\\kaggle_DogandCat\\train'
# 存储较小数据集的目录
base_dir = 'G:\\2018and2019two\\qianrushi\\kaggle_dogandcat_small'
os.mkdir(base_dir)
# 训练、验证、测试数据集的目录
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)
# 猫训练图片所在目录
train_cats_dir = os.path.join(train_dir, 'cats')
os.mkdir(train_cats_dir)
# 狗训练图片所在目录
train_dogs_dir = os.path.join(train_dir, 'dogs')
os.mkdir(train_dogs_dir)
# 猫验证图片所在目录
validation_cats_dir = os.path.join(validation_dir, 'cats')
os.mkdir(validation_cats_dir)
# 狗验证数据集所在目录
validation_dogs_dir = os.path.join(validation_dir, 'dogs')
os.mkdir(validation_dogs_dir)
# 猫测试数据集所在目录
test_cats_dir = os.path.join(test_dir, 'cats')
os.mkdir(test_cats_dir)
# 狗测试数据集所在目录
test_dogs_dir = os.path.join(test_dir, 'dogs')
os.mkdir(test_dogs_dir)

# 复制最开始的1000张猫图片到 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)
 # 复制接下来500张猫图片到 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)
# 复制接下来500张图片到 test_cats_dir
fnames = ['cat.{}.jpg'.format(i) for i in range(1500, 2000)]
for fname in fnames:
    src = os.path.join(original_dataset_dir, fname)
    dst = os.path.join(test_cats_dir, fname)
    shutil.copyfile(src, dst)
 # 复制最开始的1000张狗图片到 train_dogs_dir
fnames = ['dog