TensorFlow CNN 猫狗识别示例

这个页面展示了如何使用 TensorFlow 的卷积神经网络（CNN）模型来识别猫和狗的图片。以下是一些基本的步骤和示例。

准备工作

在开始之前，请确保您已经安装了 TensorFlow。您可以通过以下链接了解如何安装 TensorFlow：

数据集

我们使用的是 Cats vs Dogs 数据集，这是一个包含猫和狗图片的公开数据集。

代码示例

以下是一个简单的 CNN 模型示例，用于识别猫和狗：

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

# 构建模型
model = Sequential([
    Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3)),
    MaxPooling2D(2, 2),
    Flatten(),
    Dense(128, activation='relu'),
    Dense(1, activation='sigmoid')
])

# 编译模型
model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels))

结果展示

通过训练，模型可以学会区分猫和狗的图片。以下是一个识别猫的示例：

扩展阅读

如果您想了解更多关于 TensorFlow 和 CNN 的知识，以下是一些推荐的链接：