Binary_Classifier 在Tensorflow (1.4)数据集（ ）上使用Tensorflow (1.4) Keras 2.1.5和Tensorflow (1.4)后端在ResNet-50上构建的简单Cat-Dog分类器。 先决条件 确保从此提取的数据集在项目文件夹中。 Python 3+ 安装Tensorflow： $ pip install tensorflow 安装Keras（2.1.5+）： $ pip install keras 安装h5py： $ pip install h5py 安装PIL（枕头）： $ pip install Pillow 可以在找到适用于MacOS和Ubuntu安装这些库的详细指南。 测验 要测试单个图像以进行预测，请打开终端并运行（建议使用Ubuntu/macOS ）： $ python predict.py 默

小型数据集，测试集、验证集、训练集已经分好。 适合入门级神经网络学习

猫狗识别

基于Keras的猫狗识别分类是计算机视觉领域中的图像分类问题，图像分类的过程十分的明确，Kaggle竞赛官网给出的数据集中训练集是已经标记的数据集，提取特征，训练得到分类器。 本实验中，猫和狗的图像数量是相同的，所以是一个平衡的二分类问题，本实验使用12500张猫和12500张狗的图像作为数据预处理的输入，对图像尺寸异常、图像颜色异常和图像标签标注异常进行了处理。其中对于图像标签标注异常图像，采用了创新方法，首先使用预处理模型来进行排查，然后用表现最佳的预处理模型来对训练集的猫和狗的图片进行预测，由于猫狗的种类不平等，故采用分别微调top参数的方法，筛选出标签标注异常的图像，最终设置的参数为：猫top=35,狗top=10。通过这三步异常图像处理，获得新的训练集24964张图像，其中猫图像12482张，狗图像12482张，猫狗图片在数量上还是均衡的，接着将训练集图像重新命名排序，使所有图像的序号是连续的，方便后续处理。数据预处理过后，处理了各种异常图像，训练出一个模型，使用CNN技术，基于AlexNet的5个卷积层和3个全连接层建立了一个简单模型，对给定的猫和狗的图像进行分类。

此文件为中国科学院大学深度学习课程实验作业整体整理出来的，包括1、中国科学院大学深度学习课程实验作业——电影评论情感分类（代码+实验报告/2、中国科学院大学深度学习课程实验作业——猫狗分类（代码 实验报告）3、中国科学院大学深度学习课程实验作业——手写数字识别（代码 实验报告）4、中国科学院大学深度学习课程实验作业——自动写诗（代码+实验报告）

用于常见的深度学习目标检测算法，猫狗目标多样性，标注精准，可以训练不错的模型，欢迎下载使用！

基于Keras的猫狗分类识别实验报告22页-作者原创机器学习期末大作业-1.摘要2.引言3.主题内容(3.1算法原理分析3.2数据组成3.3算法分析)4.实验与结果分析5.结论(5.1项目总结5.2创新点分析)6.参考文献-包含算法流程图,运行结果截图,核心代码

猫狗分类数据集，kaggle比赛数据，包括训练数据和测试数据，训练数据共25000张图像，百度网盘下载，需要的朋友可以下载。

此文件为中国科学院大学深度学习课程实验作业整体整理出来的，包括1、中国科学院大学深度学习课程实验作业——猫狗分类（代码 实验报告）2、中国科学院大学深度学习课程实验作业——手写数字识别（代码 实验报告）

这个数据集中一共有1W张图片，没有重复的5000个dog+5000个cat图像（已经经过处理） 其中90%的数据当做训练集（9000张，4500张cat ，4500张dog），10%的数据当做测试集，均有对应文件夹，可以直接进行训练使用 数据命名 cat+数字，dog+数字 VGG16训练结果： train Loss:0.8838, Correct:93.0000 val Loss:0.2155, Correct:96.0000 Training time is:23m 58s