文件名称：DogAppCNN：Udacity纳米学位项目。 CNN狗品种分类器
文件大小：61.91MB
文件格式：ZIP
更新时间：2024-03-05 18:00:57
HTML
Dog App CNN 这项工作是获得所需项目之一的扩展。 提交日期：2019年8月 客观的 该项目的目的是创建一个神经网络，可以根据提供的图像对狗的品种进行分类。 使用方法 卷积神经网络（ CNN ） 转移学习-VGG-16 技术领域 Python 火炬 烧瓶宁静 Heroku 训练数据 该项目的数据由Udacity提供。 训练集包含133个不同犬种的6680张图像。 验证和测试集分别包含835和836张图像。 项目描述 如上所述，目标是创建狗的品种分类器。 为此，卷积神经网络是一个合理的选择。 CNN能够学习图像中的图案，因此可以识别不同图像之间的差异。 这种分类器通常由两部分组成。 第一部分是卷积层，负责特征学习。 以下是完全连接的层，这些层负责分类。 CNN体系结构示例1 最终的体系结构不是基于从头开始构建整个模型的方法（即使这种方法也在项目的早期部分中进行了测试），
【文件预览】：
DogAppCNN-master
----uwsgi.ini(101B)
----app.py(649B)
----model.json(16KB)
----runtime.txt(13B)
----UdacityNanodegreeFiles()
--------dog_app.ipynb(3.52MB)
--------dog_app.html(3.86MB)
----predict_image_resource.py(5KB)
----Procfile(21B)
----resources()
--------prediction.py(2KB)
----model.h5(60.46MB)
----git(0B)
----src()
--------cover_image.jpg(507KB)
--------cnn.jpg(36KB)
----.idea()
--------codeStyles()
--------misc.xml(418B)
--------vcs.xml(180B)
--------modules.xml(270B)
--------.gitignore(176B)
--------DogAppCNN.iml(943B)
--------inspectionProfiles()
----.slugignore(213B)
----module()
--------model.py(12KB)
----configs()
--------config.py(655B)
----requirements.txt(807B)
----.gitignore(2KB)
----README.md(3KB)