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！

深度学习图像识别里最基本的应用，猫狗图像分类问题，这里面包含了四千张训练图片，一千张测试图片供大家模型训练时使用。

这是kaggle竞赛的猫狗大战公开数据集，包含train和test及一个csv说明文件，因为kaggle注册比较麻烦，并且下载速度很慢，需要的可以从这里下载。代码获取可以关注《Python与人工智能》回复 猫狗分类 获取

今天咱们来聊聊用Pytorch的CNN完成kaggle猫狗大战。 话不多说，进入正题。 首先，图片数据来源kaggle，在网站上搜索Dogs vs. Cats很多相关图片集，找一个下载下来。 我这里采用的数据集是： Train：4000张cat + 4000张dog Test：1000张cat + 1000张dog Pytorch版本：(torch 1.3.1+cpu) + (torchvision 0.4.2+cpu) 步骤： 1. 重定义我们的Dataset 2. 定义我们的Pytorch CNN结构 3. 利用定义好的Dataset，载入我们的数据集 4. 创建CNN实例 5. 定义lo

卷积神经网络算法识别猫狗图片

猫狗分类大战（keras ）

tensorflow 猫狗识别 TensorFlow 卷积神经网络之使用训练好的模型识别猫狗图

数据集来自 kaggle 上的一个竞赛：Dogs vs. Cats，训练集有25000张，猫狗各占一半。测试集12500张，没有标定是猫还是狗。

Dog_Cat_Classification 使用CNN对猫狗图像进行分类 分割数据集 加载标签 模型 测试参数 数据扩充和比较 将训练好的模型保存到文件中

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。