基于TensorFlow2实现手写数字识别和猫狗二分类识别Python源码+文档说明+截图+数据(高分项目)

# <center>TensorFlow 2 实现手写数字识别和猫狗二分类识别</center> # 1 手写数字识别 Handwritten_digit_recognition （1）训练模型 数据集：采用TensorFlow2.3的TensorFlow-datasets内置的mnist数据集 ，必须是2.1版本。 > pip install Tensorflow_datasets==2.1 神经网络：全连接 损失函数：分类交叉熵 优化器：Adam 评价准则：准确率 Epochs：100 （2）测试模型 测试集：采用TensorFlow2.3的TensorFlow-datasets内置的mnist数据集，形状改为28*28 （3）环境 > Python 3.8 TensorFlow 2.3 Tensorflow_datasets 2.1 scipy numpy PIL matplotlib scipy # 2 猫狗分类 Dog_Cats （1）训练模型 数据集：采用kaggle公开的猫狗数据集，文件名称是cat.**.jpg或dog.**.jpg 。[下载地址](https://www.kaggle.com/c/dogs-vs-cats) 神经网络：卷积神经网络 损失函数：分类交叉熵 优化器：Adam 评价准则：准确率 Epochs：100 （2）测试模型 测试集：采用kaggle公开的猫狗测试集，没有标签 （3）环境 > python 3.8 Tensorflow 2.3 numpy pandas matplotlib cv2 (4)运行步骤 + 第一步下载数据集，解压后，把train和test放到和train.py同一级目录 + 运行data_classify.py文件，自动归类cat和dog图片，为训练模型做准备 + 运行train.py。输入1 是训练模型，输入2是测试模型 <img src="https://cdn.nlark.com/yuque/0/2021/png/1780216/1625292906904-d43bb33e-2ebc-46cf-a54b-1a992c21ac69.png?x-oss-process=image%2Fresize%2Cw_399" width="50%">