该项目涉及使用卷积神经网络(CNN)对狗的品种进行识别。通过接收用户上传的狗的图像，算法能够识别狗的品种。同时，如果输入的是人的图像，代码会返回最相似的狗的品种。项目涵盖了CNN模型的学习，数据处理管道的设计，以及解决实际应用中遇到的问题。参与者需要下载数据集，安装依赖，然后在Jupyter notebook中实现和运行代码。
广告：Udacity课程优惠券：邀请码: 67D6DA2E，立减 300 元
项目概述
欢迎来到卷积神经网络(CNN)项目！在这一项目中，你将学到如何建立一个处理现实生活中的，用户提供的图像的算法。给你一个狗的图像，你的算法将会识别并估计狗的品种，如果提供的图像是人，代码将会识别最相近的狗的品种。
在学习用于分类的最先进的 CNN 模型的同时，你将会为用户体验做出重要的设计与决定。我们的目标是，当你完成这一项目时，你将可以理解，通过将一系列模型拼接在一起，设计数据处理管道完成各式各样的任务所面临的挑战。每个模型都有它的优点与缺点，并且设计实际应用时，经常会面对解决许多没有最优解的问题。尽管你的解答不是最优的，但你的设计将带来愉快的用户体验！
项目指南
步骤
克隆存储库并打开下载的文件夹。
git clone https://github.com/udacity/cn-deep-learning.git
cd cn-deep-learning/dog-project
下载狗狗数据集 ，并将数据集解压大存储库中，地点为项目路径/dogImages.
下载人类数据集。并将数据集解压大存储库中，位置为项目路径/lfw。
为狗狗数据集下载 VGG-16关键特征 并将其放置于存储库中，位置为项目路径/bottleneck_features。
安装必要的 Python 依赖包
对于 Mac/OSX：
conda env create -f requireme
最低0.47元/天 解锁文章
2374
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
