Deep-Learning-Beginner:在野外捕获的野生动物图像在对动物进行分类时代表了一项艰巨的任务，因为它们以不同的姿势，杂乱的背景，不同的光照和气候条件，不同的视点和遮挡物出现。 此外，不同类别的动物看起来相似。 所有这些挑战需要一种有效的分类算法。 在这项挑战中，您将获得30种不同动物物种的19,000张图像。 给定动物的图像，您的任务是预测每种动物类别的可能性。 具有最高概率的动物类别意味着该图像属于该动物类别

深度学习入门挑战 几年来，野生生物中的动物检测一直是生物学家非常感兴趣的领域。 他们经常研究动物的行为以预测其行为。 由于存在大量不同的动物，因此手动识别它们可能是一项艰巨的任务。 因此，可以根据动物的图像对动物进行分类的算法可以帮助研究人员更有效地监视动物。 此外，动物检测和分类还可以帮助防止动物车辆事故，追踪动物设施，防止盗窃并确保动物园中动物的安全。 深度学习的应用在计算机视觉领域正在Swift增长，并正在帮助构建强大的分类和识别模型。 我们可以利用深度学习的这种力量来构建可以对不同种类的动物进行分类和区分的模型。 在此数据集中，我们提供了30种不同动物的19,000张图像。 在接下来的90天内，我们将向您挑战以建立模型，以便在给定图像的情况下，该模型将预测每种动物类别的概率。 具有最高概率的动物类别将表示该图像属于该动物类别。 这是一个入门文件，可供初学者通过此挑战进入深度学