直呼惊艳，熬夜几天完成的实战模型：猫狗大战，附资料

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