基于InceptionResNetV2模型的猫狗识别

一、项目简介

1、问题概述

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。

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。

2、数据描述以及来源

本实验一共有两个数据集合，都在data目录下，整个数据集分为训练集和测试集,分别是test_dir与train_dir，其内容都是一些大小不等的jpg照片格式。其中train_dir有 25000 张图片，其格式为cat.xxxx.jpg与dog.xxxx.jpg,xxxx表示的是数据标号。猫狗各 12500 张。 而测试集tets_dir有张图片,其格式与train_dir的数据格式一样

数据集：

链接：百度网盘 请输入提取码

提取码：jc34

3、部分原始数据展示

猫示例图片展示

狗图片示意展示

4、运行平台

由于需要用到oneApI组件，因此本实验是在intel的devCloud平台下运行的，采用的框架是TensorFlow。

二、InceptionResNetV2结构设计

1、InceptionResNetV2的加载

CFG = dict(
    seed = 77,
    batch_size = 20,
    img_size