这是一个用python写CNN的小练习,目标是构建一个能够完成二分类任务(识别猫或者狗)的CNN。
这是一部分的结果展示,可以看到被展示的经过预处理后的图片都被准确识别了。
用以训练神经网络的数据集由8000张带标签的jpg图片构成,其中猫狗各4000张。
任务可以分为五个部分:
1.导入训练数据
2.数据预处理
3.构建神经网络
4.训练神经网络
5.评价以及预测结果查看
以下是各部分的python代码以及详细的介绍:
1.导入以及预处理训练数据:
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale=1./255)
training_set = train_datagen.flow_from_directory(r'C:\Users\zyh\Desktop\python_course\DL\Chapter3\task1_data\training_set',target_size=(50,50),batch_size=32,class_mode='binary')
keras的ImageDataGenerator可以实现批量的处理导入的图片,在导入的时候就进行了数据的归一化和标准化,其中第二行代码把所有图片的RGB值归一化,第三行代码把所有图片都保存成了50*50的像素,同时告诉电脑要做的是一个二分类问题。
把第一张处理完的图片call出来看一看
from matplotlib import pyplot as plt
fig1 = plt.figure()
plt.imshow(training_set[0][0][0,:,:,:])
2.建立CNN网络
cnn_model = Sequential()
#添加卷积层
cnn_mo