数据实验楼宠物图像分类项目正式发布，欢迎大家体验！为支持广大院校的大数据和人工智能实训教学，需要使用平台的老师请尽快与我们联系，便于我们提前准备云服务器等资源。联系电话和微信：136-9329-0406
重要提示
数据实验楼面向全国高校师生提供服务，如未加入所在院校，请先加入院校方可获得服务。
加入院校方法如下：
如果没有院校码，请在线申请。方法如下：
点击菜单栏“申请院校码”，在弹框里填写信息。
信息填写完整后提交。
宠物图像分类项目
实训目标
本实训利用宠物图像数据集，通过深度学习框架TensorFlow构建卷积神经网络模型进行图像分类任务。通过本实训，学生可以掌握TensorFlow框架的基本使用，了解使用TensorFlow框架构建、训练、评估深度学习模型的方法，明确图像分类任务的整体流程并能够运用到其它实际场景中。
实践工具
推荐实训课时：16
前置知识检测
项目介绍
本项目首先读取宠物图像数据，对图像数据进行预处理，包括统一尺寸、类型转换和归一化等，再从图像的文件名中分离出类别标签，完成数据集和标签的准备；接着构建数据迭代器，通过Sequential() 和自定义模型两种方法构建Baseline模型，并通过fit() 和GradientTape两种方法训练Baseline模型，然后使用分类正确率进行评估，绘制损失函数变化曲线；接下来使用图像数据增强、Dropout、L2正则化、增大batch size以及增加学习率衰减的方法对Baseline模型进行优化，并进行评估，观察模型效果是否有提升；最后介绍迁移学习的概念，加载预训练模型MobileNet，通过两种方式对预训练模型进行微调，进一步评估模型效果并与优化后的Baseline模型进行对比，选择最优模型作为最终的图像分类模型。
项目流程
实训任务示例
新功能 请关注
闯关任务全局视图
闯关模式完成项目任务，边看边做。通过了解项目背景及所需的知识，按照实训任务要求完成编码任务。提供全局视图，实时了解任务进展。
实训进度可视化
实训进度可视化大屏会展示每个学生的任务进度与状态，老师可查看学生的任务答案并与正确答案进行比对。
实训报告留档
实时统计学生的任务进度与报告完成进度。教师可在线完成报告评分，导出成绩和学生报告。
往期项目
