基于tensorflow的猫狗图片的识别分类_深度学习CNN网络alexnet模型

猫狗图片的识别分类，通过一个Alexnet网络模型，对猫狗图片数据集进行训练，并保存模型

import tensorflow as tf


def alexnet（x keep_prob num_classes）:
    # conv1
    with tf.name_scope（‘conv1‘） as scope:
        kernel = tf.Variable（tf.truncated_normal（[11 11 3 96] dtype=tf.float32
                                                 stddev=1e-1） name=‘weights‘）
        conv = tf.nn.conv2d（x kernel [1 4 4 1] padding=‘SAME‘）
        biases = tf.Variable（tf.constant（0.0 shape=[96] dtype=tf.float32）
                             trainable=True name=‘biases‘）
        bias = tf.nn.bias_add（conv biases）
        conv1 = tf.nn.relu（bias name=scope）

    # lrn1
    with tf.name_scope（‘lrn1‘） as scope:
        lrn1 = tf.nn.local_response_normalization（conv1
                                                  alpha=1e-4
                                                  beta=0.75
                                                  depth_radius=2
                                                  bias=2.0）

    # pool1
    with tf.name_scope（‘pool1‘） as scope:
        pool1 = tf.nn.max_pool（lrn1
                               ksize=[1 3 3 1]
                               strides=[1 2 2 1]
                               padding=‘VALID‘）

    # conv2
    with tf.name_scope（‘conv2‘） as scope:
        pool1_groups = tf.split（axis=3 value=pool1 num_or_size_splits=2）
        kernel = tf.Variable（tf.truncated_normal（[5 5 48 256] dtype=tf.float32
                                                 stddev=1e-1） name=‘weights‘）
        kernel_groups = tf.split（axis=3 value=kernel num_or_size_splits=2）
        conv_up = tf.nn.conv2d（pool1_groups[0] kernel_groups[0] [1 1 1 1] padding=‘SAME‘）
        conv_down = tf.nn.conv2d（pool1_groups[1] kernel_groups[1] [1 1 1 1] padding=‘SAME‘）
        biases = tf.Variable（tf.constant（0.0 shape=[256] dtype=tf.float32）
                             trainable=True name=‘biases‘）
        biases_groups = tf.split（axis=0 value=biases num_or_size_splits=2）
        bias_up = tf.nn.bias_add（conv_up biases_groups[0]）
        bias_down = tf.nn.bias_add（conv_down biases_groups[1]）
        bias = tf.concat（axis=3 values=[bias_up bias_down]）
        conv2 = tf.nn.relu（bias name=scope）

    # lrn2
    with tf.name_scope（‘lrn2‘） as scope:
        lrn2 = tf.nn.local_response_normalization（conv2
                                                  alpha=1e-4
                                                  beta=0.75
                                                  depth_radius=2
                                                  bias=2.0）

    # pool2
    with tf.name_scope（‘pool2‘） as scope:
        pool2 = tf.nn.max_pool（lrn2
                               ksize=[1 3 3 1]
                               strides=[1 2 2 1]
                               padding=‘VALID‘）

        # conv3
    with tf.name_scope（‘conv3‘） as scope:
        kernel = tf.Variable（tf.truncated_normal（[3 3 256 384]
                 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-04-14 20:42  cats and dogs\
     目录           0  2019-04-14 20:42  cats and dogs\.idea\
     目录           0  2019-04-12 20:13  cats and dogs\.idea\inspectionProfiles\
     文件         243  2019-04-12 20:12  cats and dogs\.idea\misc.xml
     文件         276  2019-04-12 20:12  cats and dogs\.idea\modules.xml
     文件       16613  2019-04-13 21:03  cats and dogs\.idea\workspace.xml
     文件         459  2019-04-12 20:13  cats and dogs\.idea\猫狗大战.iml
     目录           0  2019-04-14 20:42  cats and dogs\__pycache__\
     文件        4107  2019-04-12 20:30  cats and dogs\__pycache__\alexnet.cpython-35.pyc
     文件        2213  2019-04-12 21:30  cats and dogs\__pycache__\datagenerator.cpython-35.pyc
     文件        7712  2019-04-12 20:15  cats and dogs\alexnet.py
     文件        2190  2019-04-12 21:16  cats and dogs\datagenerator.py
     文件        8543  2019-04-12 22:21  cats and dogs\main_alexnet.py
     文件        1151  2019-04-12 21:03  cats and dogs\rename_file.py