猫狗图像分类CNN模型

＃＃ 简介

本项目使用卷积神经网络（CNN）对猫狗图像进行分类。模型通过多层卷积层和全连接层学习图像特征，以实现准确的分类。

环境配置

• Python 3.x
• PyTorch
• torchvision
• matplotlib

数据集

• 使用猫狗图像数据集，分为训练集和测试集。

模型结构

• 卷积层：4层，包括新增的一层，用于提取图像特征。
• 全连接层：3层，包括新增的一层，用于分类决策。
• Dropout层：用于减少过拟合。

训练过程

• 使用交叉熵损失函数。
• 使用Adam优化器。
• 训练20个周期。

评估

• 在测试集上评估模型的准确率。

可视化

• 绘制训练过程中的损失变化图。

模型保存

• 将训练好的模型参数保存为catdog_model.pth文件。

运行环境

确保安装了所需的Python库，并将代码中的路径替换为实际数据集的路径。

使用说明

1. 将数据集放置在catdog/training_set和catdog/test_set目录下。（已放置）
2. 运行脚本，模型将自动进行训练和评估。
3. 查看损失变化图和测试集上的准确率。
4. 模型参数将被保存，可用于后续的模型部署或进一步训练。