简单练习——python实现卷积神经网络（CNN）识别猫狗，以及我对CNN理解的通俗表达

    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