图像识别

1.数据集：从VGG网下载，这是一些各种猫和狗的图片（每个文件夹下面大约200张图片，有点少，所以训练的结果并不是很好，最好是上万的数据）

2.做得图像识别网络模型：（这个是技术核心，但是在神经网络里也有一句话，就是大量的数据训练的网络也能超过一个优秀的网络模型，所以说你数据必须大量，必须多）

3.训练过程就是将这些数据集传入网络，判断哪些猫属于同一种，哪些狗属于同一种，这个就是很复杂的过程了，我用的是GPU加速的tensorflow

4.预测：我搜集了一些图片，然后输入到这个网络中，判断这些分类到底对不对

5.结果：

从结果中可以看出，第一个图片就识别成功了，但是第二个就错了，所以需要训练大量的数据。

出错的原因主要有三个方面：

（1）数据太少

（2）网络模型有待优化

（3）各种动物之间差距太小，所以特征值不好提取，比如你用这个模型人和狗，那几乎可以达到百分之百的准确率