基于卷积神经网络的猫狗识别

基于卷积神经网络的猫狗识别

过拟合与数据增强

• 过拟合
  就是太过贴近于训练数据的特征了，在训练集上表现非常优秀，近乎完美的预测/区分了所有的数据，但是在新的测试集上却表现平平，不具泛化性，拿到新样本后没有办法去准确的判断。
• 数据增强
  在不实质性的增加数据的情况下，从原始数据加工出更多的表示，提高原数据的数量及质量，以接近于更多数据量产生的价值。其原理是，通过对原始数据融入先验知识，加工出更多数据的表示，有助于模型判别数据中统计噪声，加强本体特征的学习，减少模型过拟合，提升泛化能力。

基于卷积神经网络的猫狗识别

配置环境

打开 cmd 命令终端，创建虚拟环境。

conda create -n tf1 python=3.6

激活环境：

activate
conda activate tf1

如下图所示：

安装 tensorflow、keras 库。
在新建的虚拟环境 tf1 内，使用以下命令安装两个库：

pip install tensorflow==1.14.0 -i “https://pypi.doubanio.com/simple/”
pip install keras==2.2.5 -i “https://pypi.doubanio.com/simple/”

安装 nb_conda_kernels 包。

conda install nb_conda_kernels

安装完后如下图所示：

重新打开 Jupyter Notebook（tf1）环境下的。

猫狗数据分类建模

点击【New】→【Python[tf1环境下的]】创建 python 文件。

将下载的猫狗图片数据集解压缩，并放在一个没有中文路径下，如下图所示：