猫狗识别基于tensorflow2.0 GPU版自建CNN模型

最新推荐文章于 2025-12-17 15:54:57 发布

原创

最新推荐文章于 2025-12-17 15:54:57 发布 · 943 阅读

标签

#tensorflow #深度学习 #机器学习 #python #可视化

收录于

低功耗蓝牙项目，需要一块懂省电的板

思澈 SF32LB52 芯片，BLE 协议栈深度优化，上手即开发

点击查看

猫狗识别基于tensorflow2.0 GPU版自建CNN模型

1. 导入库

import tensorflow as tf
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
from tensorflow.keras.models import Sequential, load_model
from tensorflow.keras import optimizers
from tensorflow.keras.preprocessing.image import ImageDataGenerator
import matplotlib.pyplot as plt

2.配置GPU

from tensorflow.compat.v1 import ConfigProto
from tensorflow.compat.v1 import InteractiveSession
# 定义TensorFlow配置
config = ConfigProto()
# 配置GPU内存分配方式，按需增长，很关键
config.gpu_options.allow_growth = True
# 在创建session的时候把config作为参数传进去
session = InteractiveSession(config=config)

3.图像数据加载和预处理

这里的数据集使用的是猫狗数据集，我们将通过自建CNN完成这个二分类问题

#手动定义数据集目录
train_dir='./catdogdata/train'
validation_dir='./catdogdata/validation'
test_dir='./catdogdata/test'

train_datagen = ImageDataGenerator(rescale=1/255)
train_generator = train_datagen.flow_from_directory(train_dir, (224, 224), batch_size=100, class_mode='binary', shuffle=True)

validation_datagen = ImageDataGenerator(rescale