人工智能——CNN卷积神经网络项目之猫狗分类

首先先导入所需要的库

Copy
import sys
from matplotlib import pyplot
from tensorflow.keras.utils import to_categorical
from keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Dense
from keras.layers import Flatten
from tensorflow.keras.optimizers import SGD
from keras.preprocessing.image import ImageDataGenerator
import tensorflow as tf
tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR)

定义训练模型

Copy
model=Sequential()
model.add(Con2D(filters=32,kernal_size=(3,3),padding='same',activation='relu'),input_shape=(32,32,3))#卷积层
model.add(MaxPooling2D(kernal_size=(2,2)))#池化层
model.add(Flatten())#展平
model.add(Dense(units=64,activation='relu'))#全连接层
model.add(Dense(units=1,activation='sigmoid'))#全连接层(里面的激活函数常用sigmoid，该函数常用于二值交叉熵函数)
opt = SGD(lr=0.001, momentum=0.9)
model.compile(optimizer=opt,loss='binary_crossentropy',metrics=['accuracy'])#编译模型

定义生成图片函数

Copy
# 创建图片生成器
datagen = ImageDataGenerator(rescale=1.0 / 255.0)
train_it = datagen.flow_from_directory(".\\train\\",class_mode='binary',batch_size=64,target_size=(200, 200))

训练模型

Copy
# 训练模型
model.fit(train_it,steps_per_epoch=len(train_it),epochs=1,verbose=1)

这样就完成了对猫狗分类数据集的训练，这是最简单的CNN卷积神经网络，准确率能达到93%，算是一个比较好的神经网络