# CatDog-Image-Classification-CNN

**Repository Path**: warriorlago/CatDog-Image-Classification-CNN

## Basic Information

- **Project Name**: CatDog-Image-Classification-CNN
- **Description**: 猫狗图像分类CNN模型
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 7
- **Forks**: 0
- **Created**: 2024-09-02
- **Last Updated**: 2025-06-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: Python, PyTorch

## README

# 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）
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。