python猫狗图片识别

Python可以进行猫狗图片识别，并区分是猫还是狗。这里介绍一个简单的代码实例。

import tensorflow as tf
import numpy as np
from tensorflow import keras

# 加载数据集
(train_images,train_labels),(test_images,test_labels) = keras.datasets.cifar10.load_data()

# 猫和狗的标签分别为3和5
cat_label = 3
dog_label = 5

# 将数据集中的猫和狗的图片筛选出来
cat_images = train_images[np.where(train_labels == cat_label)[0]]
dog_images = train_images[np.where(train_labels == dog_label)[0]]

# 数据预处理
cat_images = cat_images / 255.0
dog_images = dog_images / 255.0

# 构建模型
model = keras.models.Sequential([
    keras.layers.Conv2D(32,(3,3),activation='relu',input_shape=(32,32,3)),keras.layers.MaxPooling2D((2,2)),keras.layers.Conv2D(64,activation='relu'),keras.layers.Flatten(),keras.layers.Dense(64,keras.layers.Dense(2,activation='softmax')
])

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

# 训练模型
model.fit(np.concatenate((cat_images,dog_images)),np.concatenate((np.zeros(len(cat_images)),np.ones(len(dog_images)))),epochs=10)

# 测试模型
test_images = test_images / 255.0
test_loss,test_acc = model.evaluate(test_images,test_labels)
print('Test accuracy:',test_acc)

上面的代码中，首先加载了数据集，然后将其中标签为猫和狗的图片筛选出来，并进行数据预处理。接着构建了一个卷积神经网络模型，编译模型，然后训练模型。最后进行模型测试，并输出测试结果。通过这个简单的代码实例，我们可以实现猫狗图片的识别，并获得高准确率的结果。