第T9周：猫狗识别2

fwc2026-10-17 8:41

🍺 要求：

  1. 找到并处理第8周的程序问题（本文给出了答案）

🍻 拔高（可选）：

  1. 请尝试增加数据增强部分内容以提高准确率
  2. 可以使用哪些方式进行数据增强？（下一周给出了答案）

🔎 探索（难度有点大）

  1. 本文中的代码存在较大赘余，请对代码进行精简

一 准备工作

  • 语言环境：Python3.13.13
  • 编译器：Jupyter Notebook
  • 深度学习环境：TensorFlow2.21.0

1. 设置GPU

复制代码 
import tensorflow as tf
 
gpus = tf.config.list_physical_devices("GPU")
 
if gpus:
    tf.config.experimental.set_memory_growth(gpus[0], True)  #设置GPU显存用量按需使用
    tf.config.set_visible_devices([gpus[0]],"GPU")

2. 导入数据

python 复制代码 
import numpy as np
import matplotlib.pyplot as plt
# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

import os,PIL,pathlib

#隐藏警告
import warnings
warnings.filterwarnings('ignore')

data_dir = "./365-9-data"
data_dir = pathlib.Path(data_dir)

image_count = len(list(data_dir.glob('*/*')))

print("图片总数为：",image_count)

图片总数为： 3400

二、数据预处理

1. 加载数据

使用image_dataset_from_directory方法将磁盘中的数据加载到tf.data.Dataset中

python 复制代码 
batch_size = 64
img_height = 224
img_width  = 224
python 复制代码 
"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.csdn.net/article/details/117018789
"""
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="training",
    seed=12,
    image_size=(img_height, img_width),
    batch_size=batch_size)

Found 3400 files belonging to 2 classes.

Using 2720 files for training.

python 复制代码 
"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.csdn.net/article/details/117018789
"""
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="validation",
    seed=12,
    image_size=(img_height, img_width),
    batch_size=batch_size)

Found 3400 files belonging to 2 classes.

Using 680 files for validation.

我们可以通过class_names输出数据集的标签。标签将按字母顺序对应于目录名称。

python 复制代码 
class_names = train_ds.class_names
print(class_names)

2. 再次检查数据

python 复制代码 
for image_batch, labels_batch in train_ds:
    print(image_batch.shape)
    print(labels_batch.shape)
    break

(64, 224, 224, 3)

(64,)

  • Image_batch是形状的张量（64, 224, 224, 3)。这是一批形状224x224x3的64张图片（最后一维指的是彩色通道RGB）。
  • Label_batch是形状（64，）的张量，这些标签对应8张图片

3. 配置数据集

  • prefetch() ：预取数据，加速运行，其详细介绍可以参考我前两篇文章，里面都有讲解。
  • cache() ：将数据集缓存到内存当中，加速运行
python 复制代码 
AUTOTUNE = tf.data.AUTOTUNE

def preprocess_image(image,label):
    return (image/255.0,label)

# 归一化处理
train_ds = train_ds.map(preprocess_image, num_parallel_calls=AUTOTUNE)
val_ds   = val_ds.map(preprocess_image, num_parallel_calls=AUTOTUNE)

train_ds = train_ds.cache().shuffle(1000).prefetch(buffer_size=AUTOTUNE)
val_ds   = val_ds.cache().prefetch(buffer_size=AUTOTUNE)

4. 可视化数据

python 复制代码 
plt.figure(figsize=(15, 10))  # 图形的宽为15高为10

for images, labels in train_ds.take(1):
    for i in range(8):
        
        ax = plt.subplot(5, 8, i + 1) 
        plt.imshow(images[i])
        plt.title(class_names[labels[i]])
        
        plt.axis("off")

三、构建VGG-16网络

VGG优缺点分析：

  • VGG优点

VGG的结构非常简洁，整个网络都使用了同样大小的卷积核尺寸（3x3）和最大池化尺寸（2x2）。

  • VGG缺点

1)训练时间过长，调参难度大。2)需要的存储容量大，不利于部署。例如存储VGG-16权重值文件的大小为500多MB，不利于安装到嵌入式系统中。

结构说明：

  • 13个卷积层（Convolutional Layer），分别用blockX_convX表示
  • 3个全连接层（Fully connected Layer），分别用fcX与predictions表示
  • 5个池化层（Pool layer），分别用blockX_pool表示

VGG-16****包含了16个隐藏层（13个卷积层和3个全连接层），故称为 VGG-16

python 复制代码 
from tensorflow.keras import layers, models, Input
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Dropout

def VGG16(nb_classes, input_shape):
    input_tensor = Input(shape=input_shape)
    # 1st block
    x = Conv2D(64, (3,3), activation='relu', padding='same',name='block1_conv1')(input_tensor)
    x = Conv2D(64, (3,3), activation='relu', padding='same',name='block1_conv2')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block1_pool')(x)
    # 2nd block
    x = Conv2D(128, (3,3), activation='relu', padding='same',name='block2_conv1')(x)
    x = Conv2D(128, (3,3), activation='relu', padding='same',name='block2_conv2')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block2_pool')(x)
    # 3rd block
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv1')(x)
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv2')(x)
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='block3_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block3_pool')(x)
    # 4th block
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv1')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv2')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block4_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block4_pool')(x)
    # 5th block
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv1')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv2')(x)
    x = Conv2D(512, (3,3), activation='relu', padding='same',name='block5_conv3')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'block5_pool')(x)
    # full connection
    x = Flatten()(x)
    x = Dense(4096, activation='relu',  name='fc1')(x)
    x = Dense(4096, activation='relu', name='fc2')(x)
    output_tensor = Dense(nb_classes, activation='softmax', name='predictions')(x)

    model = Model(input_tensor, output_tensor)
    return model

model=VGG16(1000, (img_width, img_height, 3))
model.summary()
复制代码 
Model: "functional"
复制代码 
┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┓
┃ Layer (type)                         ┃ Output Shape                ┃         Param # ┃
┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━┩
│ input_layer (InputLayer)             │ (None, 224, 224, 3)         │               0 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block1_conv1 (Conv2D)                │ (None, 224, 224, 64)        │           1,792 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block1_conv2 (Conv2D)                │ (None, 224, 224, 64)        │          36,928 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block1_pool (MaxPooling2D)           │ (None, 112, 112, 64)        │               0 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block2_conv1 (Conv2D)                │ (None, 112, 112, 128)       │          73,856 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block2_conv2 (Conv2D)                │ (None, 112, 112, 128)       │         147,584 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block2_pool (MaxPooling2D)           │ (None, 56, 56, 128)         │               0 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block3_conv1 (Conv2D)                │ (None, 56, 56, 256)         │         295,168 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block3_conv2 (Conv2D)                │ (None, 56, 56, 256)         │         590,080 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block3_conv3 (Conv2D)                │ (None, 56, 56, 256)         │         590,080 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block3_pool (MaxPooling2D)           │ (None, 28, 28, 256)         │               0 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block4_conv1 (Conv2D)                │ (None, 28, 28, 512)         │       1,180,160 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block4_conv2 (Conv2D)                │ (None, 28, 28, 512)         │       2,359,808 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block4_conv3 (Conv2D)                │ (None, 28, 28, 512)         │       2,359,808 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block4_pool (MaxPooling2D)           │ (None, 14, 14, 512)         │               0 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block5_conv1 (Conv2D)                │ (None, 14, 14, 512)         │       2,359,808 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block5_conv2 (Conv2D)                │ (None, 14, 14, 512)         │       2,359,808 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block5_conv3 (Conv2D)                │ (None, 14, 14, 512)         │       2,359,808 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ block5_pool (MaxPooling2D)           │ (None, 7, 7, 512)           │               0 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ flatten (Flatten)                    │ (None, 25088)               │               0 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ fc1 (Dense)                          │ (None, 4096)                │     102,764,544 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ fc2 (Dense)                          │ (None, 4096)                │      16,781,312 │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ predictions (Dense)                  │ (None, 1000)                │       4,097,000 │
└──────────────────────────────────────┴─────────────────────────────┴─────────────────┘
复制代码 
 Total params: 138,357,544 (527.79 MB)
复制代码 
 Trainable params: 138,357,544 (527.79 MB)
复制代码 
 Non-trainable params: 0 (0.00 B)

四、编译

在准备对模型进行训练之前，还需要再对其进行一些设置。以下内容是在模型的编译步骤中添加的：

  • 损失函数（loss）：用于衡量模型在训练期间的准确率。
  • 优化器（optimizer）：决定模型如何根据其看到的数据和自身的损失函数进行更新。
  • 评价函数（metrics）：用于监控训练和测试步骤。以下示例使用了准确率，即被正确分类的图像的比率。
python 复制代码 
model.compile(optimizer="adam",
              loss     ='sparse_categorical_crossentropy',
              metrics  =['accuracy'])

五、训练模型

python 复制代码 
from tqdm import tqdm
import tensorflow.keras.backend as K

epochs = 10
lr     = 1e-4

# 记录训练数据，方便后面的分析
history_train_loss     = []
history_train_accuracy = []
history_val_loss       = []
history_val_accuracy   = []

for epoch in range(epochs):
    train_total = len(train_ds)
    val_total   = len(val_ds)
    
    """
    total：预期的迭代数目
    ncols：控制进度条宽度
    mininterval：进度更新最小间隔，以秒为单位（默认值：0.1）
    """
    with tqdm(total=train_total, desc=f'Epoch {epoch + 1}/{epochs}',mininterval=1,ncols=100) as pbar:
        
        lr = lr*0.92
        model.optimizer.learning_rate.assign(lr)
        
        train_loss     = []
        train_accuracy = []
        for image,label in train_ds:   
            """
            训练模型，简单理解train_on_batch就是：它是比model.fit()更高级的一个用法

            想详细了解 train_on_batch 的同学，
            可以看看我的这篇文章：https://www.yuque.com/mingtian-fkmxf/hv4lcq/ztt4gy
            """
             # 这里生成的是每一个batch的acc与loss
            history = model.train_on_batch(image,label)
            
            train_loss.append(history[0])
            train_accuracy.append(history[1])
            
            pbar.set_postfix({"train_loss": "%.4f"%history[0],
                              "train_acc":"%.4f"%history[1],
                              "lr": "%.6f"%float(model.optimizer.learning_rate.numpy())})
            pbar.update(1)
            
        history_train_loss.append(np.mean(train_loss))
        history_train_accuracy.append(np.mean(train_accuracy))
            
    print('开始验证！')
    
    with tqdm(total=val_total, desc=f'Epoch {epoch + 1}/{epochs}',mininterval=0.3,ncols=100) as pbar:

        val_loss     = []
        val_accuracy = []
        for image,label in val_ds:      
            # 这里生成的是每一个batch的acc与loss
            history = model.test_on_batch(image,label)
            
            val_loss.append(history[0])
            val_accuracy.append(history[1])
            
            pbar.set_postfix({"val_loss": "%.4f"%history[0],
                              "val_acc":"%.4f"%history[1]})
            pbar.update(1)
        history_val_loss.append(np.mean(val_loss))
        history_val_accuracy.append(np.mean(val_accuracy))
            
    print('结束验证！')
    print("验证loss为：%.4f"%np.mean(val_loss))
    print("验证准确率为：%.4f"%np.mean(val_accuracy))
复制代码 
Epoch 1/10: 100%|█| 43/43 [05:00<00:00,  6.98s/it, train_loss=0.6823, train_acc=0.5312, lr=0.000092]
复制代码 
开始验证！
复制代码 
Epoch 1/10: 100%|██████████████████| 11/11 [00:24<00:00,  2.19s/it, val_loss=0.7083, val_acc=0.5000]
复制代码 
结束验证！
验证loss为：0.7042
验证准确率为：0.4915
复制代码 
Epoch 2/10: 100%|█| 43/43 [04:56<00:00,  6.89s/it, train_loss=0.6867, train_acc=0.5312, lr=0.000085]
复制代码 
开始验证！
复制代码 
Epoch 2/10: 100%|██████████████████| 11/11 [00:23<00:00,  2.17s/it, val_loss=0.7053, val_acc=0.5000]
复制代码 
结束验证！
验证loss为：0.6947
验证准确率为：0.4957
复制代码 
Epoch 3/10: 100%|█| 43/43 [04:58<00:00,  6.93s/it, train_loss=0.6185, train_acc=0.6250, lr=0.000078]
复制代码 
开始验证！
复制代码 
Epoch 3/10: 100%|██████████████████| 11/11 [00:22<00:00,  2.05s/it, val_loss=0.7256, val_acc=0.5250]
复制代码 
结束验证！
验证loss为：0.7047
验证准确率为：0.5165
复制代码 
Epoch 4/10: 100%|█| 43/43 [04:53<00:00,  6.82s/it, train_loss=0.7065, train_acc=0.5469, lr=0.000072]
复制代码 
开始验证！
复制代码 
Epoch 4/10: 100%|██████████████████| 11/11 [00:22<00:00,  2.03s/it, val_loss=0.6601, val_acc=0.7000]
复制代码 
结束验证！
验证loss为：0.6143
验证准确率为：0.6801
复制代码 
Epoch 5/10: 100%|█| 43/43 [05:05<00:00,  7.10s/it, train_loss=0.3419, train_acc=0.8750, lr=0.000066]
复制代码 
开始验证！
复制代码 
Epoch 5/10: 100%|██████████████████| 11/11 [00:24<00:00,  2.24s/it, val_loss=0.3175, val_acc=0.9000]
复制代码 
结束验证！
验证loss为：0.2990
验证准确率为：0.8759
复制代码 
Epoch 6/10: 100%|█| 43/43 [05:05<00:00,  7.10s/it, train_loss=0.1395, train_acc=0.9375, lr=0.000061]
复制代码 
开始验证！
复制代码 
Epoch 6/10: 100%|██████████████████| 11/11 [00:22<00:00,  2.09s/it, val_loss=0.2819, val_acc=0.9000]
复制代码 
结束验证！
验证loss为：0.2477
验证准确率为：0.9085
复制代码 
Epoch 7/10: 100%|█| 43/43 [04:56<00:00,  6.91s/it, train_loss=0.2249, train_acc=0.9375, lr=0.000056]
复制代码 
开始验证！
复制代码 
Epoch 7/10: 100%|██████████████████| 11/11 [00:22<00:00,  2.07s/it, val_loss=0.0374, val_acc=1.0000]
复制代码 
结束验证！
验证loss为：0.0978
验证准确率为：0.9659
复制代码 
Epoch 8/10: 100%|█| 43/43 [04:55<00:00,  6.87s/it, train_loss=0.1363, train_acc=0.9375, lr=0.000051]
复制代码 
开始验证！
复制代码 
Epoch 8/10: 100%|██████████████████| 11/11 [00:21<00:00,  2.00s/it, val_loss=0.0297, val_acc=1.0000]
复制代码 
结束验证！
验证loss为：0.0757
验证准确率为：0.9730
复制代码 
Epoch 9/10: 100%|█| 43/43 [04:49<00:00,  6.74s/it, train_loss=0.0692, train_acc=0.9844, lr=0.000047]
复制代码 
开始验证！
复制代码 
Epoch 9/10: 100%|██████████████████| 11/11 [00:23<00:00,  2.10s/it, val_loss=0.0313, val_acc=0.9750]
复制代码 
结束验证！
验证loss为：0.0722
验证准确率为：0.9764
复制代码 
Epoch 10/10: 100%|█| 43/43 [04:47<00:00,  6.68s/it, train_loss=0.0474, train_acc=0.9844, lr=0.000043
复制代码 
开始验证！
复制代码 
Epoch 10/10: 100%|█████████████████| 11/11 [00:22<00:00,  2.02s/it, val_loss=0.0506, val_acc=0.9750]
复制代码 
结束验证！
验证loss为：0.0575
验证准确率为：0.9793

六、模型评估

python 复制代码 
from datetime import datetime
current_time = datetime.now() # 获取当前时间

epochs_range = range(epochs)

plt.figure(figsize=(14, 4))
plt.subplot(1, 2, 1)

plt.plot(epochs_range, history_train_accuracy, label='Training Accuracy')
plt.plot(epochs_range, history_val_accuracy, label='Validation Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.xlabel(current_time) # 打卡请带上时间戳，否则代码截图无效

plt.subplot(1, 2, 2)
plt.plot(epochs_range, history_train_loss, label='Training Loss')
plt.plot(epochs_range, history_val_loss, label='Validation Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

七、预测

python 复制代码 
import numpy as np

# 采用加载的模型（new_model）来看预测结果
plt.figure(figsize=(18, 3))  # 图形的宽为18高为5
plt.suptitle("预测结果展示")

for images, labels in val_ds.take(1):
    for i in range(8):
        ax = plt.subplot(1,8, i + 1)  
        
        # 显示图片
        plt.imshow(images[i].numpy())
        
        # 需要给图片增加一个维度
        img_array = tf.expand_dims(images[i], 0) 
        
        # 使用模型预测图片中的人物
        predictions = model.predict(img_array)
        plt.title(class_names[np.argmax(predictions)])

        plt.axis("off")
复制代码 
1/1 ━━━━━━━━━━━━━━━━━━━━ 0s 282ms/step
1/1 ━━━━━━━━━━━━━━━━━━━━ 0s 80ms/step
1/1 ━━━━━━━━━━━━━━━━━━━━ 0s 83ms/step
1/1 ━━━━━━━━━━━━━━━━━━━━ 0s 85ms/step
1/1 ━━━━━━━━━━━━━━━━━━━━ 0s 77ms/step
1/1 ━━━━━━━━━━━━━━━━━━━━ 0s 80ms/step
1/1 ━━━━━━━━━━━━━━━━━━━━ 0s 79ms/step
1/1 ━━━━━━━━━━━━━━━━━━━━ 0s 77ms/step
相关推荐
砚底藏山河1 小时前
数据新鲜度 SLA 监控
java·大数据·python·maven
Wzx1980121 小时前
Python Agent 短期记忆设计：从对话历史到 LangGraph Checkpointer
开发语言·python
ljt27249606611 小时前
Python笔记(五)--读写文件
笔记·python
破茧蝴蝶10 小时前
Python分布式爬虫完整教程
开发语言·python
benchmark_cc10 小时前
量化系统架构设计：为什么应该将数据获取与策略逻辑解耦？
python·数据分析·pandas·量化交易·股票数据·quantdash
燧机科技SuiJi10 小时前
山体坍塌落石滑坡泥石流监测系统 落石泥石流监控摄像机
大数据·人工智能·深度学习·yolo
凤山老林10 小时前
Spring Boot 启动冲刺：耗时剖析、懒加载策略与事件驱动初始化优化
spring boot·后端·python
小白快快跑哦10 小时前
python-字符串全解（六）：正则表达式-逻辑运算或
python·正则表达式·字符串·逻辑运算
热门推荐
01「全语录+省流版」邵艾伦 × 孙宇晨：聊风口、聊个人IP、聊年轻人如何抓住 AI 时代的机会02国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）03历年考研数学一、数学二、数学三真题试卷及答案PDF04GitHub 镜像站点05几个好用的ip纯净度检测网站06蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接07Telegram APK 下载安装完整指南 — 2026年最新08Windows 10/11 如何退出微软账户并改用本地账户登录（含找不到选项的解决方法）09微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新10MCP协议开发实战：从零搭建AI Agent工具链