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

data文件夹中的图片文件没有传上来，因为太大了，可以自行下载补充图片

深度学习解决(Kaggle)猫/狗分类问题 by Roelof Pieters。

在这个数据集的训练数据集中一共有 25000张猫和狗的图片，其中包含12500张猫的图片和12500张狗的图 片。在测试数据集中有12500张图片，不过其中的猫狗图片是无序混杂 的，而且没有对应的标签。这些数据集将被用于对模型进行训练和对参 数进行优化，以及在最后对模型的泛化能力进行验证。

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！

图像分类是根据图像的语义信息将不同类别图像区分开来，是计算机视觉中重要的基本问题。猫狗分类属于计算机视觉中图像分类的一个粗粒度的问题。本文使用pytorch编程框架实现经典且强大的VGG16网络进行猫狗识别分类的任务。实验表明，在给定的验证集上，该方法轻松达到了88%+的准确率，取得了不错的性能效果。

初学神经网络，网上下载了好多猫狗分类的代码都是各种问题，最大的就是版本不兼容，代码有问题。这里我放一个已经调试好的，并且给出tensorflow版本和keras与python的版本，后来的小伙伴就可以不用踩坑了、 里面内置了一个小小的测试库，猫狗分类全库太大，只取了十几张。需要的可以去官网下载。 tensorflow==2.2 keras==2.4.2 Python==3.8 cuda==10.1 显卡：GTX1650 Win10 Pytharm社区版

基于pytorch实现简单的猫狗分类。采用了全连接网络；可以用来了解数据加载过程，网络搭建、训练过程

kaggle深度学习项目实战-猫狗分类检测数据集，包括含训练集(25000张猫狗照片)和测试集(12500张猫狗照片)，资源存储在百度网盘，txt文件为资源链接

基于Tensorflow的猫狗大战代码，只需更改文件夹的路径直接可跑，包含答辩XMind脑图等等。资料齐全。