# Dogs_Vs_Cats

**Repository Path**: fitz_gitee/Dogs_Vs_Cats

## Basic Information

- **Project Name**: Dogs_Vs_Cats
- **Description**: 使用预训练的ResNet18模型进行迁移学习，实现猫狗二分类任务。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-10-01
- **Last Updated**: 2025-10-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 猫狗分类项目

基于PyTorch和ResNet18的猫狗图像分类深度学习项目。

## 项目概述

使用预训练的ResNet18模型进行迁移学习，实现猫狗二分类任务。项目包含完整的数据预处理、模型训练、验证和测试流程。

## 环境要求

```bash
pip install torch torchvision matplotlib scikit-learn numpy
```

## 文件结构
```
Dogs_Vs_Cats/
├── cat-dog/
│    ├── cat/
│    │   ├── cat1.jpg
│    │   └── ...
│    └── dog/
│        ├── dog1.jpg
│        └── ...
└── 成功版本.py
```

## 模型架构
基础模型：ResNet18（预训练）
修改：替换最后的全连接层为2分类输出
优化器：SGD（学习率0.001，动量0.9）
损失函数：交叉熵损失

## 训练配置
数据划分：训练集80%，验证集10%，测试集10%
批次大小：32
训练轮数：10
图像尺寸：224×224
数据增强：标准化处理

## 项目特点
使用迁移学习提高训练效率
完整的数据预处理流程
可视化训练过程
性能评估和混淆矩阵分析
支持GPU加速训练

本项目仅学习用。