python猫狗图像识别代码

以下是一个使用 TensorFlow 和 Keras 库实现的猫狗图像分类器的 Python 代码：

import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 创建图像数据生成器，对图像进行增强和预处理
train_datagen = ImageDataGenerator(
    rescale = 1./255,
    rotation_range = 40,
    width_shift_range = 0.2,
    height_shift_range = 0.2,
    shear_range = 0.2,
    zoom_range = 0.2,
    horizontal_flip = True,
    fill_mode = 'nearest'
)

# 加载训练数据集
train_generator = train_datagen.flow_from_directory(
    'train',
    target_size = (150, 150),
    batch_size = 32,
    class_mode = 'binary'
)

# 创建卷积神经网络模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(150,150,3)),
    tf.keras.layers.MaxPooling2D(2,2),
    tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2,2),
    tf.keras.layers.Conv2D(128, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2,2),
    tf.keras.layers.Conv2D(128, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2,2),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dropout(0.5),
    tf.keras.layers.Dense(512, activation='relu'),
    tf.keras.layers.Dense(1, activation='sigmoid')
])

# 编译模型
model.compile(
    loss = 'binary_crossentropy',
    optimizer = tf.keras.optimizers.RMSprop(lr=1e-4),
    metrics = ['accuracy']
)

# 训练模型
history = model.fit(
    train_generator,
    steps_per_epoch = 100,
    epochs = 100,
    verbose = 2
)

# 保存模型
model.save('cat_dog_classifier.h5')

该代码使用了 TensorFlow 和 Keras 库来构建卷积神经网络模型，并使用图像数据生成器对训练数据集进行增强和预处理。模型将猫和狗的图像分类为两个类别，其中猫为类别0，狗为类别1。训练完成后，模型将会保存在名为 `cat_dog_classifier.h5` 的文件中。