Skip to content

卷积神经网络(CNN)项目,给你一个狗的图像,你的算法将会识别并估计狗的品种

Notifications You must be signed in to change notification settings

rongmax-gufei/udacity-dlnd-cn-deep-learning

Repository files navigation

  • 广告:Udacity课程优惠券:邀请码: 67D6DA2E,立减 300 元

项目概述

欢迎来到卷积神经网络(CNN)项目!在这一项目中,你将学到如何建立一个处理现实生活中的,用户提供的图像的算法。给你一个狗的图像,你的算法将会识别并估计狗的品种,如果提供的图像是人,代码将会识别最相近的狗的品种。

Sample Output

在学习用于分类的最先进的 CNN 模型的同时,你将会为用户体验做出重要的设计与决定。我们的目标是,当你完成这一项目时,你将可以理解,通过将一系列模型拼接在一起,设计数据处理管道完成各式各样的任务所面临的挑战。每个模型都有它的优点与缺点,并且设计实际应用时,经常会面对解决许多没有最优解的问题。尽管你的解答不是最优的,但你的设计将带来愉快的用户体验!

项目指南

步骤

  1. 克隆存储库并打开下载的文件夹。
git clone https://github.com/udacity/cn-deep-learning.git
cd cn-deep-learning/dog-project
  1. 下载狗狗数据集 ,并将数据集解压大存储库中,地点为项目路径/dogImages.

  2. 下载人类数据集。并将数据集解压大存储库中,位置为项目路径/lfw

  3. 为狗狗数据集下载 VGG-16关键特征 并将其放置于存储库中,位置为项目路径/bottleneck_features

  4. 安装必要的 Python 依赖包

    对于 Mac/OSX

    conda env create -f requirements/dog-mac.yml
    source activate dog-project
    KERAS_BACKEND=tensorflow python -c "from keras import backend"

    对于 Windows

    conda env create -f requirements/dog-windows.yml
    activate dog-project
    set KERAS_BACKEND=tensorflow
    python -c "from keras import backend"
  5. 打开 notebook

jupyter notebook dog_app.ipynb

注意: 我们虽然已经实现了一些代码,让你更快地开始工作,你仍需要实现额外的功能,以回答 notebook 中所有的问题。 除非有要求,否则不要修改任何已经包含的代码。

项目评审

你的项目将会由优达学城的审阅者依据次项目的评审标准进行审阅。请仔细阅读,并在提交之前自我评估你的项目。你必须通过了规则中的所有要求,才会审核通过。

项目提交

当你准备好提交你的项目时,将下列文件整理并压缩成一个文件,以便上传。

  • 代码完整可运行的文件 dog_app.ipynb,所有的代码块都要执行并展示结果,并要求回答所有问题
  • 将你的 notebook 导出为 HTML 或 PDF 格式,并以 report.html 或是 report.pdf 命名
  • 任何用于项目中,并且并非由我们为这一项目提供的额外数据图片。 请不要将 dogImages/ 或是 lfw/ 文件夹中的项目数据包含在内,同样的,请不要将 bottleneck_features/ 文件夹包含在内。

此外,你也可以通过 GitHub 连接提交项目。

About

卷积神经网络(CNN)项目,给你一个狗的图像,你的算法将会识别并估计狗的品种

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published