神经网络学习使用的的猫狗训练图片集 说明： 受csdn上传文件大小限制，所以分开上传. 图片集一共四个部分，全部下载后，解压即可。 这是第一部分。

猫狗识别测试集

猫狗识别训练集

目前网上好多代码案例是预测一张图片，那么如何可以调用一次模型，预测很多图片呢。首先读取文件夹中的图片，设置batch_size，开始预测。最后对结果进行处理。因为我刚开始学习深度学习的时候，什么都不懂，网上好多代码调用一次模型都是预测一张图片。然后我对一个文件夹的图片进行预测，调用了一个文件夹图片数量次模型！我太傻了。。。本代码是调用一次模型识别一个batch

kaggle是一个为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台，在这上面有非常多的好项目、好资源可供机器学习、深度学习爱好者学习之用。 碰巧最近入门了一门非常的深度学习框架：pytorch，所以今天我和大家一起用pytorch实现一个图像识别领域的入门项目：猫狗图像识别。 深度学习的基础就是数据，咱们先从数据谈起。此次使用的猫狗分类图像一共25000张，猫狗分别有12500张，我们先来简单的瞅瞅都是一些什么图片。 我们从下载文件里可以看到有两个文件夹：train和test，分别用于训练和测试。以train为例，打开文件夹可以看到非常多的小猫图片，图片名字从0.jp

唐雨迪tensorflow猫狗识别，哔哩哔哩课程python代码，

这是我博客中训练好的猫狗分类器模型，博客：http://blog.csdn.net/hiccuphiccup/article/details/78695664 按照我的根据我CAT.py中的方法，先load进去，在把图片格式改一改，就可以测试自己的图片啦！

深度学习图像识别里最基本的应用，猫狗图像分类问题，这里面包含了四千张训练图片，一千张测试图片供大家模型训练时使用。

这是kaggle竞赛的猫狗大战公开数据集，包含train和test及一个csv说明文件，因为kaggle注册比较麻烦，并且下载速度很慢，需要的可以从这里下载。代码获取可以关注《Python与人工智能》回复 猫狗分类 获取

今天咱们来聊聊用Pytorch的CNN完成kaggle猫狗大战。 话不多说，进入正题。 首先，图片数据来源kaggle，在网站上搜索Dogs vs. Cats很多相关图片集，找一个下载下来。 我这里采用的数据集是： Train：4000张cat + 4000张dog Test：1000张cat + 1000张dog Pytorch版本：(torch 1.3.1+cpu) + (torchvision 0.4.2+cpu) 步骤： 1. 重定义我们的Dataset 2. 定义我们的Pytorch CNN结构 3. 利用定义好的Dataset，载入我们的数据集 4. 创建CNN实例 5. 定义lo