Keras 学习笔记：基于深度学习的 猫狗 分类器 练习（Python 版）

为加深对新知识的理解与掌握，此处将进行简要记录。
本次实验将选用Kaggle数据平台中2013年发布的dogs-vs-cats数据集的一小部分作为训练与测试样本。在当年的计算视觉竞赛中，尽管主流卷积神经网络算法尚未普及，但该数据集的最佳成绩之一正是通过应用卷积神经网络实现的95%准确率。因此，该数据集非常适合作为实验卷积神经网络模型的素材。为了简化计算过程并专注于模型本身，本次仅选取2000张图像进行实验，而Kaggle平台公开的数据总量为25000张。整个实验主要分为两个部分：第一部分仅使用原始数据训练模型，最终获得约72%的准确率，并将其保存为模型1；第二部分则引入了数据增强、Dropout以及正则化等技术手段以减少过拟合现象，最终实现82%的准确率，并保存为模型2。
具体操作步骤如下：
1：数据集下载链接：https://www.kaggle.com/salader/dogs-vs-cats ，压缩包大小约为545M；
2：新建一个名为kaggle_original_data的文件夹用于存放相关数据集，并将下载后的压缩文件解压后存储至该文件夹内。需注意的是，所下载的数据已由他人划分好训练集与测试集，因此应将所有子文件夹中的图像复制到kaggle_original_data文件夹中，并删除原有的子文件夹结构；
3：从全部图像中挑选出2000张作为自定义的