很早就想做这个猫狗识别的程序，所以跟着唐宇迪教程做了一遍，中间部分参数做了修改。
后面预测部分用自己的猫猫图片做了预测，虽然有点问题，但最后还是可以识别出来，问题不大，下面对程序几个部分进行讲解，最后会附上整个程序的附件。
一、数据处理
整个训练集用了cat dog两个文件，每个数据集里面有500张图片，并且图片的大小不一样，因此导入图片时需要对图片进行压缩处理，程序中的image_size就是压缩处理的像素。但是这个像素选取会有个问题，对于这个项目中使用训练集来讲的话没有什么问题，因为图片本身很小，但如果你用自己拍的图片，就会出现最后识别的数据有些不准。我分析原因可能是因为我们手机拍照的像素很大，有些都是4K的，那么压缩成64x64可能会导致猫狗不分，解决方式也很简单，你把你的图片缩小一点，然后放进去训练集中训练一下。dataset.py主要讲一下load_train(train_path,image_size,classes)这个函数，里面就是使用join函数，把path+field+"*g"合成一个地址字符串，作用其实就是把/train_data/cats/*jpg所有的jpg文件都拿到手，相当于可以读取所有的jpg文件，然后用cv2进行缩放，变成64*64，接着处以255进行归一化，再把文件名存进img_name。这个没什么难度，稍微理解一下就可以了。
def load_train(train_path,image_size,classes):
images = []
labels = []
img_names = []
cls = []
print_hi("Going to read train data")
# classes : dog and cat
for fields in classes:
index = classes.index(fields)
print("now going to read {} flies (Index:{})".format(fields,index))
# '*g':maybe mean jpg file
path = os.path.join(train_path,fields,'*g')
print(path)
# read all the file in path
files = glob.glob(path)
for fl in files:
image = cv2.imread(fl)
image = cv2.resize(image,(image_size,image_size),0,0,cv2.INTER_LINEAR)
image = image.astype(np.float32)
image = np.multiply(image,1.0/255)
images.append(image)
label = np.zeros(len(classes))
label[index] = 1.0
labels.append(label)
# get the file name of fl
flbase = os.path.basename(fl)
img_names.append(flbase)
cls.append(fields)
images = np.array(images)
labels = np.array(labels)
img_names = np.array(img_names)
cls = np.array(cls)
return images,labels,img_names,cls二、建立模型
这个模型是三层cnn：（conv+max+relu）*3+fc1+fc2。每个conv层其实都是一样，采用relu(max(X*W+B))格式，随后fc1拉成1024*10，再fc2拉成2*1，2*1其实就是概率值。其实程序看多之后，就会发现使用CONV都是一样的套路，区别就是中间多少层。对于初学者来说，有个可能会范迷糊的地方，就是filter的数量，我这里写一下自己的理解：对于一张64*64*3的彩色图片，3就是我的channel，即RGB三通道，我需要对每一个通道进行filter卷积，同时为了增加准确率，我一次可用好多个filter，例如32个，那么最后卷积效果会出现32*（conv(channel1,filter),conv(channel2,filter),conv(channel2,filter)），那么对于第二次卷积，你需要对上一次的32个中间变量进行二次卷积，假设二次卷积的filter值有64个，就会有64*（32*（conv(channel1,filter),conv(channel2,filter),conv(channel2,filter)）），每一层的filte值都需要注意对应你上一层用了多少个filter。如果上一层是32个filter，并且这一层你想输出64个特征图，那么你的第二层w值维度就是[m,n,32]，并且有64个这种w值。
如下图所示，一一对应
三、跑模型
跑模型比较简单，但需要注意几个地方。
第一，使用GPU还是CPU。tensorflow-gpu可以让我们调用自己电脑得GPU，某些模型真的是GPU有天然优势，之前做的一个mnist数据集，GPU是CPU的6倍。我现在用的配置是I7-11+3060 6g+16G运存的笔电，处理起来是比较快的。要成功使用GPU需要满足几个条件，我这里列出我的版本：tensorflow2.8,tensorflow-gpu2.8,cnn11.4,cuda8.2.4，你需要安装下载这几个东西之后才能正确识别到GPU，并且进行计算，成功后会有下面提示。我的电脑跑这个模型用了2分多钟。
第二，影响模型准确率的参数。batch_size，用多了准确率降低，想一下，如果一次性训练全部数据，那准确率都一样；img_size，其实这个我也不确定影响不影响，但我加大图像像素，准确率确实没那么高，那如果你想增加准确率要怎么做呢，可以加drop_out；drop out，如果、img_size只有64的话，可以不加drop out，准确率可以到1，如果增加了size，那可以调整drop out，一般0.1-0.5吧；学习率，一般1-e4吧，太大太小都有问题。
四、数据展示
我的训练结果如图所示。6000次迭代，准确率为1。后面开始用实际图片去判断，也就是predict.py，效果还可以。
资源链接：https://download.csdn.net/download/wenpeitao/85251992
