VGG应用：猫狗大战——基于VGG16的猫狗数据分类

码农男孩

已于 2022-04-30 21:14:54 修改

阅读量1.4k

点赞数 7

分类专栏：深度学习文章标签：深度学习计算机视觉分类人工智能神经网络

于 2022-04-25 15:40:10 首次发布

本文链接：https://blog.youkuaiyun.com/m0_62128864/article/details/124406565

版权

本文介绍了如何使用VGG16模型进行猫狗数据分类。首先，详细阐述了数据集的处理和加载步骤；接着，讨论了模型的调用，同时定义了损失函数和选择的优化器；最后，概述了模型的训练流程，展示了一个基于深度学习的计算机视觉任务实例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、数据集的处理与加载

class CatDogDataset(Dataset):
    def __init__(self, data_dir, mode="train", split_n=0.9, rng_seed=620, transform=None):
     
        self.mode = mode
        self.data_dir = data_dir
        self.rng_seed = rng_seed
        self.split_n = split_n
        self.data_info = self._get_img_info()  # data_info存储所有图片路径和标签，在DataLoader中通过index读取样本
        self.transform = transform

    def __getitem__(self, index):
        path_img, label = self.data_info[index]
        img = Image.open(path_img).convert('RGB')     # 0~255

        if self.transform is not None:
            img = self.transform(img)   # 在这里做transform，转为tensor等等

        return img, label

    def __len__(self):
        if len(self.data_info) == 0:
            raise Exception("\ndata_dir:{} is a empty dir! Please checkout your path to images!".format(self.data_dir))
        return len(self.data_info)

    def _get_img_info(self):

        img_names = os.listdir(self.data_dir)
        img_names = list(filter(lambda x: x.endswith('.jpg'), img_names))

        random.seed(self.rng_seed)
        random.shuffle(img_names)

        img_labels = [0 if n.startswith('cat') el