“猫狗分类实验”总结

1、首先使用的猫狗分类图像一共25000张，猫狗分别有12500张，我们先来简单的瞅瞅都是一些什么图片。我们从下载文件里可以看到有两个文件夹：train和test，分别用于训练和测试。以train为例，打开文件夹可以看到非常多的小猫图片，图片名字从0.jpg一直编码到9999.jpg，一共有10000张图片用于训练。而test中的小猫只有2500张。仔细看小猫，可以发现它们姿态不一，有的站着，有的眯着眼睛，有的甚至和其他可识别物体比如桶、人混在一起。同时，小猫们的图片尺寸也不一致，有的是竖放的长方形，有的是横放的长方形，但我们最终需要是合理尺寸的正方形。小狗的图片也类似，在这里就不重复了。猫狗分类

2、之后设置卷积神经网络处理大小为 (28, 28, 1) 的输入张量，我们向第一层传入参数 input_shape=(28, 28, 1) 来完成此设置。可以看到，每个 Conv2D 层和 MaxPooling2D 层的输出都是一个形状为(height, width,channels) 的 3D 张量。宽度和高度两个维度的尺寸通常会随着网络加深而变小。通道数量由传入 Conv2D 层的第一个参数所控制（32 或64）。下一步是将最后的输出张量大小为 (3, 3, 64) 输入到一个密集连接分类器网络中，即 Dense 层的堆叠，你已经很熟悉了。这些分类器可以处理1D 向量，而当前的输出是 3D

3、张量。卷积神经网络具有以下两个性质：卷积神经网络学到的模式具有平移不变性（translation invariant）。卷积神经网络在图像，它可以在任何地方识别这个模式，对于密集连接网络来说，如果模式出现在新的位置，它只能重新学习这个模式。这使得卷积神经网络在处理图像时可以高效利用数据（因为视觉世界从根本上具有平移不变性），它只需要更少的训练样本就可以学到具有泛化能力的数据表示。卷积神经网络可以学到模式的空间层次结构（spatial hierarchies ofpatterns）第一个卷积层将学习较小的局部模式（比如边缘），第二个卷积层将学习由第一层特征组成的更大的模式，以此类推。这使得卷积神

4、经网络可以有效地学习越来越复杂、越来越抽象的视觉概念（因为视觉世界从根本上具有空间层次结构）。对于包含两个空间轴（高度和宽度）和一个深度轴（也叫通道轴）的 3D张量，其卷积也叫特征图（feature map）。对于 RGB 图像，深度轴的维度大小等于 3，因为图像有 3 个颜色通道：红色、绿色和蓝色。对于黑白图像（比如 MNIST 数字图像），深度等于 1（表示灰度等级）。卷积运算从输入特征图中提取图块，并对所有这些图块应用相同的变换，生成输出特征图（outputfeature map）。该输出特征图仍是一个 3D 张量，具有宽度和高度，其深度可以任意取值，因为输出深度是层的参数，深度轴的不同

5、通道不再像 RGB 输入那样代表特定颜色，而是代表过滤器（filter）。从这些图像中都能看出过拟合的特征。训练精度随着时间线性增加，直到接近 100%，而验证精度则停留在 70%72%。验证损失仅在 5 轮后就达到最小值，然后保持不变，而训练损失则一直线性下降，直到接近于 0。因为训练样本相对较少（2000 个），所以过拟合是你最关心的问题。前面已经介绍过几种降低过拟合的技巧，比如 dropout 和权重衰减（L2 正则化）。现在我们将使用一种针对于计算机视觉领域的新方法，在用深度学习模型处理图像时几乎都会用到这种方法，它就是数据增强（data ）在编译和训练模型之前，一定要“冻结”卷积基。冻结（）一个 Dense 层是随机初始化的， 项目要解决的问题是使用12500张猫和12500张狗的12500张未见过的图像中 多。最后，在多次调试中，好多错误也改正了，也对猫狗分类有了新的认识，猫狗分类只是起点，其实并不复杂，以后的路还有很长，遇到错误要赢难而上，只而不能才会能。代码部分: = = = = = = =# = # = # = # = # = # = # = # = # = # =i= = =i = = =i = = =i= = =i = = =i = = = = = = = = + #= = = = x=x=+i=0 =i1i%4 = = =