| # 机器学习 - 猫狗识别简单实现 | |
| 这是一个简单的基于 Tensorflow 的猫狗识别模型。用于入门机器学习以及了解机器学习中的基础概念。 | |
| ## 安装 | |
| 首先需要下载猫狗识别的数据集用于训练。可以参考在 HuggingFace 的 [Microsoft 的数据集](https://huggingface.co/datasets/microsoft/cats_vs_dogs) | |
| 下载训练数据集后，需要做一些整理，先确保项目目录结构如下： | |
| ``` | |
| train/ | |
| ├── cats/ | |
| │ ├── cat.0.jpg | |
| │ ├── .... | |
| |── dogs/ | |
| ├── dog.0.jpg | |
| ├── .... | |
| ``` | |
| 然后复制本项目中的 `.env.example` 一份到本目录，重命名为 `.env` 并修改内容，改成 train 目录的所在地 | |
| ```bash | |
| TRAIN_DATASET = /path/to/your/dataset | |
| ``` | |
| 然后在 conda 环境下安装依赖。 | |
| ```bash | |
| conda create --name cat-vs-dog python=3.9 --file requirements.txt | |
| ``` | |
| ## 训练 | |
| 执行命令 | |
| ```bash | |
| python train.py | |
| ``` | |
| 将会在本目录下生成 `cat_dog_model.h5` 模型文件。 | |
| ## 预测 | |
| 准备好测试数据集的目录，目录下只需存放图片即可。 | |
| 在 `.env` 文件中添加测试数据集的目录。 | |
| ```bash | |
| TEST_DATASET = /path/to/your/dataset | |
| ``` | |
| 请先确保你已经训练好了数据并正确生成了 `cat_dog_model.h5` 模型文件。 | |
| 如果你没条件训练，可以直接在本仓库的 Release 上[下载现有的模型](https://github.com/PrinOrange/dog-vs-cat/releases/tag/1.0.0)。 | |
| 然后执行命令 | |
| ```bash | |
| python test.py | |
| ``` | |
| 在命令台中会产生如下输出： | |
| ```plaintext | |
| The model predicts the image xxx.jpg is a cat, with sigmoid 0.9999812 | |
| ... | |
| ``` | |