卷积神经网络实现猫狗分类_请针对猫狗分类问题设计一个深度卷积神经网络-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_53203987/article/details/131516790

该文详细介绍了如何配置Tensorflow和Keras环境，制作猫狗分类数据集，构建并训练卷积神经网络模型，以及如何通过图像增强和模型调整提高模型性能。具体步骤包括数据预处理、CNN模型搭建、训练过程和结果可视化，最后讨论了图像增强技术对防止过拟合的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

一.配置环境
二.制作数据集
三.卷积神经网络（CNN）
四.根据基准模型进行调整
- 1.图像增强方法
- 2.模型调整
五.参考

一.配置环境

配置tensorflow、keras
新建conda环境

conda create -n tensorflow python=3.6

注：需要先用python -V命令查看自己的python版本

激活环境

activate tendorflow

安装tensorflow和Keras

pip install tensorflow==1.14.0
pip install keras==2.2.5

查看tensorflow和Keras版本

二.制作数据集

数据集链接https://pan.baidu.com/s/1JTyY259L58JfVLB98Iw7GQ提取码：eaf4
图片分类

import os,shutil
original_dataset_dir='D:/kaggle_Dog&Cat/train/train'
base_dir='D:/kaggle_Dog&Cat/find_cats_and_dogs'
os.mkdir(base_dir)

train_dir=os.path.join(base_dir,'train')
os.mkdir(train_dir)
validation_dir=os.path.join(base_dir,'validaiton')
os.mkdir(validation_dir)
test_dir=os.path.join(base_dir,'test')
os.mkdir(test_dir)

train_cats_dir = os.path.join(train_dir, 'cats')
os.mkdir(train_cats_dir)

train_dogs_dir = os.path.join(train_dir, 'dogs')
os.mkdir(train_dogs_dir)

validation_cats_dir = os.path.join(validation_dir, 'cats')
os.mkdir(validation_cats_dir)

validation_dogs_dir = os.path.join(validation_dir, 'dogs')
os.mkdir(validation_dogs_dir)

test_cats_dir = os.path.join(test_dir, 'cats')
os.mkdir(test_cats_dir)

test_dogs_dir = os.path.join(test_dir, 'dogs')
os.mkdir(test_dogs_dir)

fnames = ['cat.{}.jpg'.format(i) for i in range(1000)]
for fname in fnames:
    src = os.path.join(original_dataset_dir, fname)
    dst = os.path.join(train_cats_dir, fname)
    shutil.copyfile(src, dst)
    
fnames = ['cat.{}.jpg'.format(i) for i in range(1000, 1500)]
for fname in fnames:
    src = os.path.join(original_dataset_dir, fname)
    dst = os.path.join(validation_cats_dir, fname)
    shutil.copyfile(src, dst)
    
fnames = ['cat.{}.jpg'.format(i) for i in range(1500, 2000)]
for fna