1.深度学习资料(猫狗数据集，代码，96准确率，ResNet网络实现)。
2.TensorFlow 教程以 Jupyter 笔记本格式编写而成。
3.您最好从用户友好的 Keras Sequential API 入手。您可以将各基础组件组合在一起来构建模型。
4.Keras 函数式 API 和子类化 API 提供了由运行定义的自定义和高级研究接口。您可以构建模型，然后编写前向传播和反向传播；还可以创建自定义层、激活函数和训练循环。
5.猫狗大战是 kaggle 的一个著名比赛项目，即编写一个算法使机器能够区分猫和狗（图片）。
6.猫狗识别是计算机视觉和卷积神经网络的入门项目。通过这个项目，初学者（我这种）7.能够很好地理解图像数据的结构。
这个项目的整体流程如下：
数据读入
数据清理
将图片与label对应
图片尺寸归一化
划分验证集、训练集
数据扩增
数据训练、观察学习过程、计算本地cv分数
预测、提交
8.数据来源：Kaggle在2013年公开的猫狗数据集，该数据集总共25000张图片，猫狗各12500张。
2022-10-04 09:07:09
725.01MB
1