直呼惊艳，熬夜几天完成的实战模型：猫狗大战，附资料

本文链接：https://blog.youkuaiyun.com/Java_chain/article/details/121017196

本文详述了一位作者利用PyTorch构建深度学习模型进行猫狗识别的过程，包括检测GPU、预处理数据、构建VGG模型、调整模型层、训练测试、结果可视化，并最终应用于猫狗大战游戏的实战案例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

要求分析

建立一个模型，用25000张标记好的猫狗图片训练模型，最后用125000张猫狗图片进行测试,
最终目标是能够让模型有更好的正确识别率（期望值：>=80%）
模型需要选用VGG模型
本次测试和训练的图片数量较小，如果没有GPU，依靠CPU也可以完成任务

分步构建网络

1.检测是否存在GPU设备

这一步骤的目的是查看当前环境下是否有GPU设备可以用于加速训练

import numpy as np
import matplotlib.pyplot as plt
import os
import torch
import torch.nn as nn
import torchvision
from torchvision import models,transforms,datasets
import time
import json


# 判断是否存在GPU设备
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print('Using gpu: %s ' % torch.cuda.is_available())
复制代码

小福利：领完再看！迪迦给大家准备的250G人工智能学习资料礼包（内含：两大Pytorch、TensorFlow实战框架视频、图像识别、OpenCV、计算机视觉、深度学习与神经网络等等等视频、代码、PPT以及深度学习书籍）

只需要你点个关注，然后扫码添加助手小姐姐VX即可无套路领取！

扫码添加即可

2.下载测试用的数据集

继续往下看！

此处为Jeremy Howard的数据集，链接似乎已经失效了

在Jeremy Howard提供的数据集当中，猫狗被分别放入了不同的文件夹当中

此处为我的老师提供的数据集，链接任有效

此处为Colab的安装指令

wget http://fenggao-image.stor.sinaapp.com/dogscats.zip

记得解压

unzip dogscats.zip

在我的老师所提供的数据集当中分别有用于训练的Train文件夹，与用于测试的Vaild，两个文件夹当中又分别包含dogs与cats两个子文件夹，两个子文件夹分别有900张图片

如果是在colab或者算力不足的环境下对模型进行训练、测试可以优先考