14、基于小数据集的卷积神经网络训练与预训练模型应用

小数据集下的CNN训练与迁移学习

电竞养老选手

于 2025-10-22 10:48:07 发布

阅读量13

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习实战指南文章标签：卷积神经网络小数据集数据增强

本文链接：https://blog.youkuaiyun.com/tensor9flow/article/details/154591584

深度学习实战指南专栏收录该内容

32 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

基于小数据集的卷积神经网络训练与预训练模型应用

1. 小数据集数据准备

在处理猫狗分类问题时，首先需要对数据集进行划分，分别用于训练、验证和测试。以下是具体的操作代码：

import os
import shutil

# 复制狗的图片到相应目录
fnames = ['dog.{}.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_dogs_dir, fname)
    shutil.copyfile(src, dst)

fnames = ['dog.{}.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_dogs_dir, fname)
    shutil.copyfile(src, dst)

fnames = ['dog.{}.jpg'.format(i) for i in range(1500, 2000)]
for fname in fnames:
    src = os.path.join(original_dataset_dir, fname)
    dst = os.path.join(test_dogs_dir, fname)
    shutil.