猫狗识别分类(深度学习入门案例),使用了Tensorflow框架 和 CNN神经网络实现。附有超详细的代码注释,适合新手直接上手Run!
134
stars
33
forks
source link
文件说明
- data(文件夹):包含 test 测试集和 train 训练集
- log(文件夹):保存训练模型和参数
- image(文件夹): 存放训练图和预测结果图
- input_data.py:负责实现读取数据,生成批次(batch)
- model.py:负责实现我们的神经网络模型
- training.py:负责实现模型的训练以及评估 【1.先跑这个来训练好模型,再跑test.py】
- test.py: 从测试集中随机抽取一张图片, 进行预测是猫还是狗 【2.跑完training.py后,再跑这个来测试图片进行预测猫或狗】
注意点
训练图(准确率与损失值)
预测结果图
![预测结果图](https://github.com/JerrybroDu/cats_vs_dogs/raw/main/image/Prediction.jpg)