基于Tensorflow的猫狗大战代码，只需更改文件夹的路径直接可跑，包含答辩XMind脑图等等。资料齐全。

根据深度学习的原理，用pytorch实现猫狗分类算法，识别率98%。时间在20ms内。利用自己修改的卷积神经网络实现的，值得学习的好例子

这是我的博客文章：基于深度学习的CIFAR10图像分类 的源代码。 本文实验基于Windows10系统，仿真软件用的是Anaconda下基于python编程的JupyterNotebook编辑器。通过利用Google的深度学习框架Tensorflow，搭建新的卷积网络结构，提出了基于卷积神经网络的CIFAR10图像分类识别算法，主要参照经典的卷积神经网络模型LeNet-5结构，提出新的卷积神经网络结构并对飞机、汽车、鸟类、猫、鹿、狗、蛙类、马、船和卡车10种事物进行分类，该模型构建了一个输入层、

dog_cat_image_recognition_model 计算机视觉：对猫和猫的图像进行分类。 在本案例研究中，我们使用8000张猫狗的图像来训练和测试卷积神经网络（CNN）模型，该模型将图像作为输入，并给出0类（猫）或1类（狗）作为输出，提示是否它是狗或猫的照片。 该图像识别模型基于CNN。 该过程包括以下步骤，并在此捕获： 数据预处理 建立CNN初始化 培训和测试CNN 模型验证 ##用于训练CNN的图片示例 卷积神经网络（CNN） 此案例研究基于CNN模型， Study 包