利用RNN实现猫狗分类的Python代码

下面是一个简单的利用RNN实现猫狗分类的Python代码，供您参考：

import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, LSTM

# 准备数据
train_data = np.load('train_data.npy')
train_labels = np.load('train_labels.npy')
test_data = np.load('test_data.npy')
test_labels = np.load('test_labels.npy')

# 构建模型
model = Sequential()
model.add(LSTM(128, input_shape=train_data.shape[1:], return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(128))
model.add(Dropout(0.2))
model.add(Dense(1, activation='sigmoid'))

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

# 训练模型
model.fit(train_data, train_labels, epochs=5, validation_data=(test_data, test_labels))

# 评估模型
loss, accuracy = model.evaluate(test_data, test_labels)
print('Loss:', loss)
print('Accuracy:', accuracy)

在这个代码中，我们使用了一个包含两个LSTM层的RNN模型来完成猫狗分类任务。模型的输入是一张图片的像素值序列，输出是一个二元值，表示图片是猫还是狗。我们使用了dropout技术来防止过拟合。

训练数据和测试数据是预处理过的图像数据，分别保存在train_data、train_labels、test_data和test_labels变量中。我们使用了二元交叉熵作为损失函数，Adam优化器来优化模型，同时评估模型的方法是准确率。

希望这个代码对您有所帮助！