Обучение классификатора кошек и собак на 25 тысячах изображений

Вы исследовали сокращенную версию набора данных Cats v Dogs и использовали его для обучения сверточной нейронной сети. Вы видели, что он очень быстро переобучился, несмотря на отличные результаты с тренировочным набором. Одно из решений проблемы переобучения состоит в том, чтобы использовать больше данных как для обучения, так и для проверки. Вы применяли к этому набору аугментацию: расширение набора данных за счет преобразования существующих изображений. 

Это упражнение - создать классификатор, используя полный набор данных Cats v Dogs из 25k изображений. Вы уже всё это делали не один раз. Но этот датасет больше похож на те наборы, с которыми вы столкнетесь в реальной жизни. Вам придется вспомнить Python и написать функцию для распределения изображений по нужным каталогам для обучения и тестирования.

Запускайте этот Jupiter Notebook с лабораторной работой и выполняйте задания.

Когда ваша модель будет обучена и выдаст приемлемые показатели, попробуйте распознать это изображение: https://pixabay.com/photos/bed-dog-animals-dogs-pets-relax-1284238/

Если оно не было распознано, добавьте в вашу модель Image Augmentation и обучите снова.