猫狗分类CNN 实验环境 编译器 ：win10+python3.7.4+pycharm2018 库： anaconda+pytorch+tensorflow+tensorboardX 硬件 gpu（可以没有） 性能： accuracy：准确度大概稳定在0.6左右。这是在二分类的情况下 ...

贴一张自己画的思维导图 数据集准备 kaggle猫狗大战数据集（训练），微软的不需要翻墙 12500张cat 12500张dog 生成图片路径和标签的List step1：获取D:/Study/Python/Projects/Cats_vs_Dogs ...

目录 任务目标 数据集 数据增强 模型一：自定义网络 模型二：使用resnet34做特征提取 模型三：resnet34&vgg16做特征提取 trick 参考 任务目标 构建深度学习模型，对猫狗数据集进行分类（数据集来自 ...

声明：这是我的个人学习笔记，大佬可以点评，指导，不喜勿喷。实现过程参考自夜雨飘零的博客以及实现代码。框架是百度开源的框架paddlepaddle。 目录 1.预备工作 ...

## 智能猫狗识别任务，用摄像头识别或者输入图片进行识别，软件界面均通过pyqt完成 ** **代码分析** 1. 数据准备我使用的是kaggle数据集。用来训练的数据集包含600张的彩色图片，2个类别，每个类包含300张。对猫和狗两类进行预测 ...

《python深度学习》笔记---5.3-2、猫狗分类（使用预训练网络-实战） 一、总结 一句话总结： 【卷积就是特征提取】：从预训练网络训练猫狗分类，可以更加方便的理解卷积层就是特征提取 【使用预训练网络效果非常好】：我们的验证精度达到了约90%，比上一节从头开始训练的小型模型效果要好 ...

《python深度学习》笔记---5.3-1、猫狗分类（使用预训练网络） 一、总结 一句话总结： 【小型图像数据集】：想要将深度学习应用于小型图像数据集，一种常用且非常高效的方法是使用预训练网络。 【用卷积层提取的特征】：使用在ImageNet 上训练的VGG16 网络的卷积基从 猫狗图像 ...

先简单说一下整体流程，利用pytorch训练模型并转化为onnx格式，然后配置好dlinfer，利用cv22infer在cv22平台量化序列化模型，展开推理 1训练模型 1.1处理数据集 参考图 ...