keras库对Kaggle竞赛猫狗图像分类卷积神经网络的python实现

# “““
# 将图像复制到训练、验证和测试的目录
import os shutil
# 原始数据集解压目录的路径
original_dataset_dir = ‘F:/BaiduYunDownload/kaggle/train‘
# 保存较小数据集的目录
base_dir = ‘F:/BaiduYunDownload/kaggle/cats_and_dogs_small‘
os.mkdir（base_dir）
# 分别对应划分后的训练、验证和测试的目录
train_dir = os.path.join（base_dir ‘train‘）
os.mkdir（train_dir）
validation_dir = os.path.join（base_dir ‘validation‘）
os.mkdir（validation_dir）
test_dir = os.path.join（base_dir ‘test‘）
os.mkdir（test_dir）
# 猫的训练图像目录
train_cats_dir = os.path.join（train_dir ‘cats‘）
os.mkdir（train_cats_dir）
# 狗的训练图像目录
train_dogs_dir = os.path.join（train_dir ‘dogs‘）
os.mkdir（train_dogs_dir）
# 猫的验证图像目录
validation_cats_dir = os.path.join（validation_dir ‘cats‘）
os.mkdir（validation_cats_dir）
# 狗的验证图像目录
validation_dogs_dir = os.path.join（validation_dir ‘dogs‘）
os.mkdir（validation_dogs_dir）
# 猫的测试图像目录
test_cats_dir = os.path.join（test_dir ‘cats‘）
os.mkdir（test_cats_dir）
# 狗的测试图像目录
test_dogs_dir = os.path.join（test_dir ‘dogs‘）
os.mkdir（test_dogs_dir）
# 将前1000 张猫的图像复制到train_cats_dir
fnames = [‘cat.{}.jpg‘.format（i） for i in range（1000）]
for fname in fnames:
    src = os.path.join（original_dataset_dir fname）
    dst = os.path.join（train_cats_dir fname）
    shutil.copyfile（src dst）
# 将接下来500 张猫的图像复制到validation_cats_dir
fnames = [‘cat.{}.jpg‘.format（i） for i in range（1000 1500）]
for fname in fnames:
    src = os.path.join（original_dataset_dir fname）
    dst = os.path.join（validation_cats_dir fname）
    shutil.copyfile（src dst）
# 将接下来的500 张猫的图像复制到test_cats_dir
fnames = [‘cat.{}.jpg‘.format（i） for i in range（1500 2000）]
for fname in fnames:
    src = os.path.join（original_dataset_dir fname）
    dst = os.path.join（test_cats_dir fname）
    shutil.copyfile（src dst）
# 将前1000 张狗的图像复制到train_dogs_dir
fnames = [‘dog.{}.jpg‘.format（i） for i in range（1000）]
for fname in fnames:
    src = os.path.join（original_dataset_dir fname）
    dst = os.path.join（train_dogs_dir fname）
    shutil.copyfile（src dst）
# 将接下来500 张狗的图像复制到validation_dogs_dir
fnames = [‘dog.{}.jpg‘.format（i） for i in range（1000 1500）]
for fname in fnames:
    src = os.path.join（original_dataset_dir fname）
    dst = os.path.join（validation_dogs_dir fname）
    shutil.copyfile（src dst）
# 将接下来500 张狗的图像复制到test_dogs_dir
fnames = [‘dog.{}.jpg‘.format（i） for i in range（1500 2000）]
for fname in fnames:
    src = os.path.join（original_dataset_dir fname）
    dst = os.path.join（test_dogs_dir fname）
    shutil.copyfile（src dst）
# 看看每个分组（训练/ 验证/ 测试）中分别包含多少张图像
print（‘total training cat images:‘ len（os.listdir（train_cats_dir）））
print（‘total training dog images:‘ len（os.listdir（train_dogs_dir）））
print（‘total validation cat images:‘ len（os.listdir（validation_cats_dir）））
print（‘total validation dog images:‘ len（os.listdir（validation_dogs_dir）））
print（‘total test cat images:‘ len（os.listdir（test_cats_dir）））
print（‘total test dog images:‘ len（os.listdir（test_dogs_dir）））
# “““
# 将猫狗分类的小型卷积神经网络实例化
from keras import

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        7001  2019-01-23 15:15  keras_Kaggle.py
     文件         609  2019-01-23 15:18  keras_kaggle.txt
     文件       17458  2019-01-23 15:13  Training and validation accuracy.png
     文件       16985  2019-01-23 15:13  Training and validation loss.png