11.CNN实现真实猫狗图片分类_fi.11实验室研究所网站-优快云博客

本文链接：https://blog.youkuaiyun.com/Thames_h/article/details/110622792

本文介绍如何利用CNN处理复杂的真实猫狗图片，包括数据预处理、创建Keras图片数据集、图片归一化和构建CNN模型。通过在训练和测试集上操作，最终实现对真实图片的识别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

CNN实现真实猫狗图片分类

个人认为，和上一节的mnist数据集里面的手写数字图片不同之处就是，真实的图片更加复杂，像素点更多。因此在对应的图片预处理方面会稍微麻烦一些。但是这个例子能让我们可以处理自己遇到的问题，不仅限于已有的mnist。

不多说直接上代码

import keras
from keras import layers
import numpy as np
import os
import shutil

这一步主要是为了制作一个Keras 能够识别处理，直接读取的图片数据集
文件结构为。一个train 和test文件夹，在train和test文件夹下建立猫和狗的文件夹，并把图片放入对应文件夹。（在解决自己的问题的时候，也是要这样放好图片）

base_dir = '/.dataset/cat_dog'
train_dir = os.path.join(base_dir, 'train')
train_dir_dog = os.path.join(train_dir, 'dog')
train_dir_cat = os.path.join(train_dir, 'cat')

test_dir = os.path.join(base_dir, 'test')
test_dir_dog = os.path.join(test_dir, 'dog')
test_dir_cat = os.path.join(test_dir, 'cat')

os.mkdir(base_dir)
os.mkdir(train_dir)
os.mkdir(train_dir_dog)
os.mkdir(train_dir_cat)
os.mkdir(test_dir)
os.mkdir(test_dir_dog)
os.mkdir(test_dir_cat)
dc_dir='./dataset'   #存图片的位置

猫的1000张训练图片

fnames = ['cat'.{
   
   }.jpg.format(i) for i in rangen (1000)]  #文件名称 因为图片的命名是 cat1.jpg cat10.gpj形式
for fname in fnames:
    s = os.path