基于tensorflow实现猫狗识别代码（CNN）

通过TensorFlow搭建卷积神经网络实现猫狗识别代码，训练和测试代码完整，下载之后可以直接运行测试打码，运行环境在Linux下，需要把代码中的路径修改为本机实际路径

# =========================================================================
import tensorflow as tf


# =========================================================================
# 
# images image batch 4D tensor tf.float32 [batch_size width height channels]
# logits float [batch_size n_classes]
def inference（images batch_size n_classes）:
    # 
    # conv1
    # 
    with tf.variable_scope（‘conv1‘） as scope:
        weights = tf.Variable（tf.truncated_normal（shape=[3 3 3 64] stddev=1.0 dtype=tf.float32）
                              name=‘weights‘ dtype=tf.float32）

        biases = tf.Variable（tf.constant（value=0.1 dtype=tf.float32 shape=[64]）
                             name=‘biases‘ dtype=tf.float32）

        conv = tf.nn.conv2d（images weights strides=[1 1 1 1] padding=‘SAME‘）
        pre_activation = tf.nn.bias_add（conv biases）
        conv1 = tf.nn.relu（pre_activation name=scope.name）

    # pooling1
    # 
    with tf.variable_scope（‘pooling1_lrn‘） as scope:
        pool1 = tf.nn.max_pool（conv1 ksize=[1 3 3 1] strides=[1 2 2 1] padding=‘SAME‘ name=‘pooling1‘）
        norm1 = tf.nn.lrn（pool1 depth_radius=4 bias=1.0 alpha=0.001 / 9.0 beta=0.75 name=‘norm1‘）

    # conv2
    with tf.variable_scope（‘conv2‘） as scope:
        weights = tf.Variable（tf.truncated_normal（shape=[3 3 64 16] stddev=0.1 dtype=tf.float32）
                              name=‘weights‘ dtype=tf.float32）

        biases = tf.Variable（tf.constant（value=0.1 dtype=tf.float32 shape=[16]）
                             name=‘biases‘ dtype=tf.float32）

        conv = tf.nn.conv2d（norm1 weights strides=[1 1 1 1] padding=‘SAME‘）
        pre_activation = tf.nn.bias_add（conv biases）
        conv2 = tf.nn.relu（pre_activation name=‘conv2‘）

    # pooling2
    with tf.variable_scope（‘pooling2_lrn‘） as scope:
        norm2 = tf.nn.lrn（conv2 depth_radius=4 bias=1.0 alpha=0.001 / 9.0 beta=0.75 name=‘norm2‘）
        pool2 = tf.nn.max_pool（norm2 ksize=[1 3 3 1] strides=[1 1 1 1] padding=‘SAME‘ name=‘pooling2‘）

    # fc3
    with tf.variable_scope（‘local3‘） as scope:
        reshape = tf.reshape（pool2 shape=[batch_size -1]）
        dim = reshape.get_shape（）[1].value
        weights = tf.Variable（tf.truncated_normal（shape=[dim 128] stddev=0.005 dtype=tf.float32）
                              name=‘weights‘ dtype=tf.float32）

        biases = tf.Variable（tf.constant（value=0.1 dtype=tf.float32 shape=[128]）
                             name=‘biases‘ dtype=tf.float32）

        local3 = tf.nn.relu（tf.matmul（reshape weights） + biases name=scope.name）

    # fc4
    with tf.variable_scope（‘local4‘） as scope:
        weights = tf.Variable（tf.truncated_normal（shape=[128 128] stddev=0.005 dtype=tf.float32）
                              name=‘weights‘ dtype=tf.float32）

        biases = tf.Variable（tf.constant（value=0.1 dtype=tf.float32 shape=[128]）
                             name=‘biases‘ dtype=tf.float32）

  

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-08-17 15:04  CatVsDogRecong\
     文件       20436  2018-08-09 15:46  CatVsDogRecong\0.jpg
     文件       13170  2018-08-09 13:53  CatVsDogRecong\003.jpg
     目录           0  2018-08-17 15:04  CatVsDogRecong\log\
     文件      228222  2018-08-15 14:23  CatVsDogRecong\log\events.out.tfevents.1534313958.ubuntu
     文件        5005  2018-08-15 13:51  CatVsDogRecong\model.py
     文件        3800  2018-08-15 14:11  CatVsDogRecong\model.pyc
     目录           0  2018-08-17 15:04  CatVsDogRecong\modelsave\
     文件         173  2018-08-15 14:23  CatVsDogRecong\modelsave\checkpoint
     文件    25500900  2018-08-15 14:23  CatVsDogRecong\modelsave\model_ckpt-999.data-00000-of-00001
     文件        1250  2018-08-15 14:23  CatVsDogRecong\modelsave\model_ckpt-999.index
     文件      123779  2018-08-15 14:23  CatVsDogRecong\modelsave\model_ckpt-999.meta
     文件        1602  2018-08-17 15:01  CatVsDogRecong\test.py
     文件        3159  2018-08-17 12:54  CatVsDogRecong\train.py
     目录           0  2018-08-17 15:04  CatVsDogRecong\train_image\
     目录           0  2018-08-17 15:04  CatVsDogRecong\train_image\0\
     文件       20661  2018-08-09 13:45  CatVsDogRecong\train_image\0\000.jpg
     文件       20436  2018-08-09 13:45  CatVsDogRecong\train_image\0\001.jpg
     文件       20397  2018-08-09 13:45  CatVsDogRecong\train_image\0\002.jpg
     文件       18070  2018-08-09 13:46  CatVsDogRecong\train_image\0\003.jpg
     文件       14276  2018-08-09 13:46  CatVsDogRecong\train_image\0\004.jpg
     文件       16505  2018-08-09 13:46  CatVsDogRecong\train_image\0\005.jpg
     文件       16062  2018-08-09 13:46  CatVsDogRecong\train_image\0\006.jpg
     文件       12810  2018-08-09 13:47  CatVsDogRecong\train_image\0\007.jpg
     文件       22745  2018-08-09 13:47  CatVsDogRecong\train_image\0\008.jpg
     文件       16499  2018-08-09 13:47  CatVsDogRecong\train_image\0\009.jpg
     文件       20120  2018-08-09 13:47  CatVsDogRecong\train_image\0\010.jpg
     文件       17142  2018-08-09 13:47  CatVsDogRecong\train_image\0\011.jpg
     文件       16837  2018-08-09 13:48  CatVsDogRecong\train_image\0\012.jpg
     文件       19332  2018-08-09 13:48  CatVsDogRecong\train_image\0\013.jpg
     文件       24710  2018-08-09 13:49  CatVsDogRecong\train_image\0\014.jpg
............此处省略26个文件信息