Python通过TensorFlow卷积神经网络实现猫狗识别

Python通过通过TensorFlow卷积神经网络实现猫狗识别卷积神经网络实现猫狗识别

今天小编就为大家分享一篇关于Python通过TensorFlow卷积神经网络实现猫狗识别，小编觉得内容挺不错的，

现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧

这份数据集来源于Kaggle，数据集有12500只猫和12500只狗。在这里简单介绍下整体思路

1. 处理数据

2. 设计神经网络

3. 进行训练测试

1. 数据处理数据处理

import os

import numpy as np

def get_files(file_dir):

cats = []

label_cats = []

dogs = []

label_dogs = []

for file in os.listdir(file_dir):

name = file.split(sep='.')

if 'cat' in name[0]:

image_list = np.hstack((cats,dogs))

label_list = np.hstack((label_cats,label_dogs))

# print('There are %d catsThere are %d dogs' %(len(cats), len(dogs)))

# 多个种类分别的时候需要把多个种类放在一起，打乱顺序,这里不需要

# 把标签和图片都放倒一个 temp 中 然后打乱顺序，然后取出来

temp = np.array([image_list,label_list])

temp = temp.transpose()

# 打乱顺序

np.random.shuffle(temp)

# 取出第一个元素作为 image 第二个元素作为 label

# for i in imgs:

# print("img:",i)

# for i in label:

# print('label:',i)

# 测试 get_files end

# image_W ,image_H 指定图片大小，batch_size 每批读取的个数 ，capacity队列中 最多容纳元素的个数

def get_batch(image,label,image_W,image_H,batch_size,capacity):

# 转换数据为 ts 能识别的格式

image = tf.cast(image,tf.string)

label = tf.cast(label, tf.int32)

image = tf.image.decode_jpeg(image_contents,channels =3)

# 将图片以图片中心进行裁剪或者扩充为 指定的image_W，image_H

image = tf.image.resize_image_with_crop_or_pad(image, image_W, image_H)

# 对数据进行标准化,标准化，就是减去它的均值，除以他的方差

image = tf.image.per_image_standardization(image)

# 生成批次 num_threads 有多少个线程根据电脑配置设置 capacity 队列中 最多容纳图片的个数 tf.train.shuffle_batch 打乱顺序，

image_batch, label_batch = tf.train.batch([image, label],batch_size = batch_size, num_threads = 64, capacity = capacity)