tensorflow 猫狗识别代码

TensorFlow是一个广泛使用的开源机器学习库，常用于深度学习项目。猫狗识别通常是图像分类的一个经典案例，它涉及到卷积神经网络（CNN）。以下是一个简单的Python代码示例，展示了如何使用TensorFlow实现猫狗二分类：

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

# 数据预处理
train_datagen = ImageDataGenerator(rescale=1./255) # 对训练数据归一化
test_datagen = ImageDataGenerator(rescale=1./255) # 对测试数据同样归一化

train_generator = train_datagen.flow_from_directory(
    'train_dir', # 训练图片目录
    target_size=(150, 150), # 图片大小调整
    batch_size=32,
    class_mode='binary') # 二分类，标签为dog（1）或cat（0）

validation_generator = test_datagen.flow_from_directory(
    'val_dir', # 测试图片目录
    target_size=(150, 150),
    batch_size=32,
    class_mode='binary')

# 构建模型
model = Sequential([
    Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3)),
    MaxPooling2D(2, 2),
    Conv2D(64, (3, 3), activation='relu'),
    MaxPooling2D(2, 2),
    Flatten(),
    Dense(512, activation='relu'),
    Dense(1, activation='sigmoid') # 输出层只有一个节点，激活函数为sigmoid用于二分类
])

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

# 训练模型
history = model.fit(
    train_generator,
    epochs=30,
    validation_data=validation_generator)

# 查看模型性能
model.evaluate(validation_generator)