# pytorch-cat-vs-dog

**Repository Path**: kmkfj/pytorch-cat-vs-dog

## Basic Information

- **Project Name**: pytorch-cat-vs-dog
- **Description**: No description available
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-12-20
- **Last Updated**: 2023-12-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 猫狗识别

本项目改编自：[pytorch-cat-vs-dog: 使用pytorch基于猫狗数据集训练和预测 (gitee.com)](https://gitee.com/aoqingy/pytorch-cat-vs-dog)

## 1 运行环境搭建

1. 下载，安装 anaconda [Free Download | Anaconda](https://www.anaconda.com/download)

2. 进入开始菜单，打开 Anaconda 控制台

![image-20231220092910399](./assets/image-20231220092910399.png)

3. 进入控制台，安装python库

```bash
pip install torch
```

<img src="./assets/image-20231220093024256.png" alt="image-20231220093024256" style="zoom:50%;" />


## 2 数据分析

共25000个图片，其中猫12500个，狗12500个。

对数据进行划分，

取18000个图片作为训练集，5000个图片作为测试集，2000个图片模拟应用。

| 数据集 | 训练集 | 验证集 | 测试集 |
| ------ | ------ | ------ | ------ |
| dog    | 9019   | 2486   | 995    |
| cat    | 8981   | 2514   | 1005   |

## 3 模型编写

### 数据加载器 DogsVSCatsDataset

### 训练模块

## 3 模型训练与测试过程记录

1. 调整 train.py 文件中的超参数

![image-20231220093547137](./assets/image-20231220093547137.png)

2. 在控制台执行训练命令

```bash
python trian.py
```

3. 控制台会输出训练过程，等待训练完成

<img src="./assets/image-20231220111800428.png" alt="image-20231220111800428" style="zoom:50%;" />

4. 在 train_results 文件夹查看记录训练过程的图片，图片后缀为训练完成的时间。根据图片，测试数据上的准确率最高不到0.775，模型欠拟合，换用更加复杂的网络进行训练。

![img](./assets/%7B2C3A36C9-CE65-402E-A27F-C8839E2FEC14%7D)

5. 参考[卷积神经网络经典回顾之AlexNet - 知乎 (zhihu.com)](https://zhuanlan.zhihu.com/p/618545757)重新编写神经网络，进行训练
6. 



## 4 模型应用