项目概述

欢迎来到卷积神经网络（CNN）项目！在这一项目中，你将学到如何建立一个处理现实生活中的，用户提供的图像的算法。给你一个狗的图像，你的算法将会识别并估计狗的品种，如果提供的图像是人，代码将会识别最相近的狗的品种。

在学习用于分类的最先进的 CNN 模型的同时，你将会为用户体验做出重要的设计与决定。我们的目标是，当你完成这一项目时，你将可以理解，通过将一系列模型拼接在一起，设计数据处理管道完成各式各样的任务所面临的挑战。每个模型都有它的优点与缺点，并且设计实际应用时，经常会面对解决许多没有最优解的问题。尽管你的解答不是最优的，但你的设计将带来愉快的用户体验！

项目指南

步骤

1. 克隆存储库并打开下载的文件夹。

git clone https://github.com/udacity/MLND_CN_P4_Dog_Project.git
cd MLND_CN_P4_Dog_Project/

2. 下载狗狗数据集 ，并将数据集解压大存储库中，地点为项目路径/dogImages.

3. 下载人类数据集。并将数据集解压大存储库中，位置为项目路径/lfw 。

4. 为狗狗数据集下载 VGG-16关键特征 并将其放置于存储库中，位置为项目路径/bottleneck_features 。

5. 安装必要的 Python 依赖包

   对于 Mac/OSX：

   conda env create -f requirements/dog-mac.yml
   source activate dog-project
   KERAS_BACKEND=tensorflow python -c "from keras import backend"

   对于 Windows：

   conda env create -f requirements/dog-windows.yml
   activate dog-project
   set KERAS_BACKEND=tensorflow
   python -c "from keras import backend"

6. 打开 notebook

jupyter notebook dog_app.ipynb

注意： 我们虽然已经实现了一些代码，让你更快地开始工作，你仍需要实现额外的功能，以回答 notebook 中所有的问题。 除非有要求，否则不要修改任何已经包含的代码。

项目评审

你的项目将会由优达学城的审阅者依据次项目的评审标准进行审阅。请仔细阅读，并在提交之前自我评估你的项目。你必须通过了规则中的所有要求，才会审核通过。

项目提交

当你准备好提交你的项目时，将下列文件整理并压缩成一个文件，以便上传。

• 代码完整可运行的文件 dog_app.ipynb，所有的代码块都要执行并展示结果，并要求回答所有问题
• 将你的 notebook 导出为 HTML 或 PDF 格式，并以 report.html 或是 report.pdf 命名
• 任何用于项目中，并且并非由我们为这一项目提供的额外数据图片。 请不要将 dogImages/ 或是 lfw/ 文件夹中的项目数据包含在内，同样的，请不要将 bottleneck_features/ 文件夹包含在内。

此外，你也可以通过 GitHub 连接提交项目。

Archival Note

This repository is deprecated; therefore, we are going to archive it. However, learners will be able to fork it to their personal Github account but cannot submit PRs to this repository. If you have any issues or suggestions to make, feel free to:

• Utilize the https://knowledge.udacity.com/ forum to seek help on content-specific issues.
• Submit a support ticket along with the link to your forked repository if (learners are) blocked for other reasons. Here are the links for the retail consumers and enterprise learners.