【Intel校企合作课程】基于ResNet18实现猫狗大战

1作业简介

1.1问题描述

       在这个问题中，你将面临一个经典的机器学习分类挑战——猫狗大战。你的任务是建立一个分类模型，能够准确地区分图像中是猫还是狗。

1.2预期解决方案

        你的目标是通过训练一个机器学习模型，使其在给定一张图像时能够准确地预测图像中是猫还是狗。模型应该能够推广到未见过的图像，并在测试数据上表现良好。我们期待您将其部署到模拟的生产环境中——这里推理时间和二分类准确度（F1分数）将作为评分的主要依据。

1.3数据集

链接：https://pan.baidu.com/s/1vyJUrX9iA0Z-L_Xxtx3e1g 
提取码：1227 

1.4图像显示

2数据预处理

        本数据集经划分后分成了两部分，train训练集，test测试集

2.1数据集结构

                                            

        train训练集和test测试集下都有有cats和dogs文件夹，训练时文件夹的名字将会作为标签，即在cats文件夹里的图片标签是猫，dogs文件夹里的图片标签是狗。一开始我并没有进行划分子文件夹，因为每张图片都有含有cat或者dog，就直接使用图片名作为标签，但是这样放到模型去训练的时候需要耗费大量的时间，训练时间远比分子文件夹要多。

        cats子文件夹下的部分图片（dogs子文件夹类似）

 2.2统计训练集和测试集的大小

def count_images_in_folder(folder_path):
    cat_count = len([file for file in os.listdir(os.path.join(folder_path, 'cats')) if file.endswith('.jpg')])
    dog_count = len([file for file in os.listdir(os.path.join(folder_path, 'dogs')) if file.endswith('.jpg')])
    return cat_count, dog_count

train_folder_path = '../Cats vs Dogs/train'  # 训练集文件路径
test_folder_path = '../Cats vs Dogs/test'    # 测试集文件路径

train_cat_count, train_dog_count = count_images_in_folder(train_folder_path)
test_cat_count, test_dog_count = count_images_in_folder(test_folder_path)

print(f"Train set: Cats - {train_cat_count} images, Dogs - {train_dog_count} images")
print(f"Test set: Cats - {test_cat_count} images, Dogs - {test_dog_count} images")

 运行结果

         训练集共25000张图片，其中猫的图片有12500张，狗的图片有12500张

         测试集共1000张图片，其中猫的图片有500张，狗的图片有500张

2.3查看测试集部分图片

from PIL import Image
import os
import random
import matplotlib.pyplot as plt

def show_random_images(folder_path, num_images=3):
    cat_files = [file for file in os.listdir(os.path.join(folder_path, 'cats')) if file.endswith('.jpg')]
    dog_files = [file for file in os.listdir(os.path.join(folder_path, 'dogs')) if file.endswith('.jpg')]
    
    random_cat_files = random.sample(cat_files, num_images)
    random_dog_files = random.sample(dog_files, num_images)

    for cat_file, dog_file in zip(random_cat_files, ra