猫狗大战代码

猫狗大战是一个经典的计算机视觉任务，要求根据给定的图片判断其中是猫还是狗。以下是一个简单的基于卷积神经网络（CNN）的猫狗分类代码示例：

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

# 设置训练数据和验证数据的路径
train_dir = "train/"
val_dir = "val/"

# 设置数据增强器
train_datagen = ImageDataGenerator(
    rescale=1./255,
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True,
    fill_mode='nearest'
)

val_datagen = ImageDataGenerator(rescale=1./255)

# 读取训练数据和验证数据
train_generator = train_datagen.flow_from_directory(
    train_dir,
    target_size=(150, 150),
    batch_size=32,
    class_mode='binary'
)

val_generator = val_datagen.flow_from_directory(
    val_dir,
    target_size=(150, 150),
    batch_size=32,
    class_mode='binary'
)

# 构建卷积神经网络
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.Dense(512, activation='relu'),
    tf.keras.layers.Dropout(0.5),
    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=['acc'])

# 训练模型
history = model.fit(
    train_generator,
    steps_per_epoch=100,
    epochs=30,
    validation_data=val_generator,
    validation_steps=50,
    verbose=2
)

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

在代码中，我们首先设置了训练数据和验证数据的路径，并使用`ImageDataGenerator`设置了数据增强器，包括图像旋转、平移、缩放、翻转等。然后使用`flow_from_directory`读取训练数据和验证数据，并设置了目标尺寸、批量大小和分类方式。接着，我们构建了一个简单的卷积神经网络模型，并使用`compile`方法编译了模型，设置了损失函数、优化器和评价指标。最后，我们使用`fit`方法训练模型，并保存了模型。