文件名称：dog_cat_image_recognition_model:图像识别模型
文件大小：48.5MB
文件格式：ZIP
更新时间：2024-04-06 12:44:07
python computer-vision deep-learning tensorflow numpy
dog_cat_image_recognition_model 计算机视觉：对猫和猫的图像进行分类。 在本案例研究中，我们使用8000张猫狗的图像来训练和测试卷积神经网络（CNN）模型，该模型将图像作为输入，并给出0类（猫）或1类（狗）作为输出，提示是否它是狗或猫的照片。 该图像识别模型基于CNN。 该过程包括以下步骤，并在此捕获： 数据预处理 建立CNN初始化 培训和测试CNN 模型验证 ##用于训练CNN的图片示例 卷积神经网络（CNN） 此案例研究基于CNN模型， Study 包括对CNN包括的所有步骤和过程的详细描述，例如： 卷积运算 汇集 展平 模型评估 在中详细描述的重要评估步骤可帮助CNN模型训练并做出准确的预测，例如： CNN的损失函数（SoftMax和交叉熵） 损失函数优化器（SGD和Adam优化器） 激活函数（整流器和Sigmoid） 深度学习库：Te
【文件预览】：
dog_cat_image_recognition_model-main
----Keras load_to_array function.png(34KB)
----Keras load_img function.png(44KB)
----Keras ImageDataGenerator Library2.png(121KB)
----Prediction_Snapshot.png(375KB)
----cat_or_dog_1.jpg(134KB)
----cat_or_dog_2.jpg(602KB)
----image_examples()
--------dog.24.jpg(23KB)
--------cat.1.jpg(16KB)
--------dog.31.jpg(15KB)
--------dog.45.jpg(29KB)
--------dog.4.jpg(13KB)
--------cat.3.jpg(37KB)
--------cat.8.jpg(23KB)
--------cat.12.jpg(12KB)
----README.md(4KB)
----Keras ImageDataGenerator Library.png(186KB)
----data()
--------cats.zip(20.47MB)
--------dogs.zip(23.78MB)
--------single_prediction.zip(728KB)
----Convolutional_Neural_Network_Case_Study.py(3KB)
----Convolutional_Neural_Networks_Case_Study.pdf(2.44MB)
----cnn_summary.png(416KB)