前のインストールと設定keras線形回帰ニューラルネットワークを説明し、我々は、猫や犬のこのニューラルネットワークの認識を構築してみてください。
事前に犬や猫の画像をダウンロードkaggleデータ収集、ダウンロードリンク：https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data
画像内のtest1.zipや鉄道模型の画像内で訓練するために使用されるtrain.zipアーカイブ、およびテストと内部モデルをテストするために使用されます。
どの絵を訓練、絵は、猫のようにラベルを果たしているcat.0.jpgで、犬はニューラルネットワークが学習を監督しているようにするために、dog.0.jgpあります。
CへTrain.zip最初の抽出物：\データ\列車\ディレクトリ、ノートウィンドウが\、十分なパス/または\\図です。
図1に示すように、画像の種類と量統計
輸入OSの 電車= 'C：\\ \\データ電車\\' 犬= [os.listdir（電車）で、私のために電車+ I Iの「犬の場合] 猫= [os.listdirで私のために電車+ I （電車）は、i]の「猫の場合 、印刷（LEN（犬）、LEN（猫））
12500 12500
＃統計C：絵、完全な統計の数以下の\データ\列\は犬が12,500を持っていることがわかった、猫は12500を持っています。第二のステップで簡単に参照data_processという名前の最初のステップPYファイルとしてコードを保存します。（：\ユーザー\ XXX \ Cに現在のユーザーディレクトリを入れ、その後、アナコンダのインストールを使用してjupyterノートパソコンの場合）
2、写真を並べ替え
内部の犬や猫\ \ mini_trainningdata \電車をした後、500匹の猫を選び、500：Cに、それぞれ、選択された1000年と1000年、犬猫の写真内のデータ\列\から自動的にmini_trainningdataフォルダと呼ばれるファイルを自動的に作成しますCへの犬：\ mini_trainningdata \テスト\犬や猫の内部。
インポートOS createDir（パス）DEF： いない場合os.path.exists（パス）： 試す： os.makedirs（パス） を除く： 印刷（ "创建文件夹失败"） の出口（1） パス= "C：/ min_trainingdata / " createDir（パス+"電車/犬"） createDir（パス+"電車/猫"） createDir（パス+"テスト/犬"） createDir（パス+"テスト/猫」） のDPとして輸入data_process 輸入shutil リスト中の犬のための、猫（ジップ（dp.dogs、dp.cats））[1000]： shutil.copyfile（犬、パス+ "電車/犬/" + os.path.basename（犬）） プリント（os.path.basename（犬）+ "操作成功"） shutil.copyfile（猫、パス+ "電車/猫/"+ os.path.basename（猫）） プリント（os.path.basename（CAT）+ "操作成功"） 犬のために、リスト内の猫（ZIP（dp.dogs、dp.cats））[1000：1500]： shutil.copyfile（犬、パス+「試験/犬/」+ os.path.basename（犬）） プリント（os.path.basename（犬）+ "操作成功"） shutil.copyfile（猫、パス+ "テスト/猫/" + os.path.basename （猫）） プリント（os.path.basename（猫）+ "操作成功"）
図3に示すように、データ拡張
/users/xxx/catvsdogs/morph.py：Cに次のコードを保存
keras.preprocessing.imageインポートImageDataGeneratorから ：train_dir = "/ mini_trainningdata /列車/ C" TEST_DIR = "C：/ mini_trainningdata /試験/" train_pic_gen = ImageDataGenerator（= 1/255スケール変更rotation_range = 20、width_shift_range = 0.2、height_shift_range = 0.2、 shear_range = 0.2、zoom_range = 0.5、horizontal_flip =真、fill_mode = '最寄り'） test_pic_gen = ImageDataGenerator（）= 1/255スケール変更 train_flow = train_pic_gen.flow_from_directory（train_dir、（128,128）、BATCH_SIZE = 32、class_mode = 'バイナリ'） test_flow = test_pic_gen.flow_from_directory（TEST_DIR、（128,128）、BATCH_SIZE = 32、class_mode = 'バイナリ'） ＃プリント（train_flow.class_indices）
4、建設およびトレーニングモデル
keras.modelsから順次インポート Convolution2D、MaxPool2D、平坦化、高密度、ドロップアウトをインポートkeras.layersから TensorBoardインポートkeras.callbacksから モデルは=シーケンシャル（[ 活性化=」、Convolution2D（32,3,3、input_shape =（128,128,3） relu '）、 MaxPool2D（POOL_SIZE =（2,2））、 Convolution2D（64,3,3、input_shape =（128,128,3）、活性化=' relu '）、 MaxPool2D（POOL_SIZE =（2,2））、 平ら（）、 高密度（64、活性化= 'relu'）、 ドロップアウト（0.5）、 高密度（1、活性化= 'シグモイド'） ]） model.summary（） = 'binary_crossentropy model.compile（オプティマイザ= 'rmsprop'、損失」、メトリック= [ '精度']） インポートcatvsdogs。1増加参照データコード上方モーフ＃としてモーフィング （model.fit_generator morph.train_flow、steps_per_epoch = 100、エポック= 50、冗長= 1、validation_data = morph.test_flow、validation_steps = 100、 コールバック= [TensorBoard（LOG_DIR =」/ログ/ 1 '）] ） model.save（' C： /mini_trainningdata/catdogs_model.h5' ）
あなたがしたら、モデルが発売さと訓練されてきたでしょう。
5、リロードとトレーニングを続けます
keras.callbacksからTensorBoardをインポート keras.modelsからload_modelインポート = load_modelモデル：（ 'C /mini_trainningdata/catdogs_model.h5'） model.summary（） モーフとしてインポートcatvsdogs.morph model.fit_generator（ morph.train_flow、steps_per_epoch = 100、エポック= 50、冗長= 1、validation_data = morph.test_flow、validation_steps = 100、 コールバック= [TensorBoard（「/ログ/ 2 'LOG_DIR =）] ） model.save（' C：/mini_trainningdata/catdogs_model.h5' ）
カスタムを使用して6、テスト画像
画像は独自のパスとパスの内側pre_x = get_inputs下でテストされるように変更することができます。
私たちは、2〜PIC0猫、犬、PIC6ワニ、pic7のサルを使用してPIC3〜5、pic8アイアンマンを、採用はテストのために入力しました。
コードの下にOpenCVの-のpythonをインストールする必要があります
OpenCVの-のpythonをインストールするPIP
kerasインポートモデルから NPとしてnumpyのをインポートする インポートCV2の ：DEF get_inputs（SRC = []） pre_x = [] ：秒間SRCに 入力= cv2.imread（S） 入力= cv2.resize（入力、（128、128）） 入力= cv2.cvtColor（入力、cv2.COLOR_BGR2RGB） pre_x.append（入力）＃入力一张图片 pre_x = np.array（pre_x）/ 255.0 戻りpre_x DEF put_prey（pre_y、ラベル）： 出力= [] yについてでpre_y： もしY [0] <0.5：＃1二分类、此处只用一个神经元输出 output.append（[ラベル[0]、1-Y [0]） 他： output.append（[ラベル[1 ]、Y [0]]） リターン出力 モデル= models.load_model（ 'C：/mini_trainningdata/catdogs_model.h5'） pre_x = get_inputs（[ 'C：\\ TESTDATA \\ pic0.jpg'、 'C：\\ TESTDATA \\ pic1.jpg'、 '\ \テストデータ\\ pic2.jpg ' 'C：\\テストデータ\\ pic3.jpg'、 'C：\\テストデータ\\ pic4.jpg'、 'C：\\テストデータ\\ pic5.jpg'、 C' \\ TESTDATA \\ pic6.jpg」、 'C：\\ TESTDATA \\ pic7.jpg'、 'C：\\ TESTDATA \\ pic8.jpg' ]） pre_y = model.predict（pre_x） インポートcatvsdogs。融点としてモーフィング 出力= put_prey（pre_y、リスト（mp.train_flow.class_indices.keys（））） 、印刷（出力）
一つだけで、次に正解率はあまり高くないようにだけ猫2で3、3匹の前に、ルックスと、最後の3つが中に方法はありません確認されていません。