【解析】基于 卷积神经网络CNN 的 cat、dog、panda 分类 || 补充概念：滤波器、局部连接、权值共享、子采样 (汇聚层 || 池化层)

声明：仅学习使用喔~

Don’t judge. Just feel it. o(*￣3￣)o

解析的是上一篇文章（源代码也在里面喔~）：【整合】基于卷积神经网络CNN 的 cat、dog、panda 分类（同时我已经在里面指明 一些必要的 Python库 的版本以及 编译器的环境了）

同时，推荐阅读：建议收藏【整合】基于经典全连接神经网络的(cat、dog、panda分类)【步骤完备、图形完整】（求赞！整合了好几天(>﹏<)）

文章目录

• 一、各部分解析
• • 1.1 模块导入
  • 1.2 导入模型参数
  • 1.3 读取图像(数据)、数据预处理、数据切分(训练集、测试集)、标签转换(独热编码)
  • 1.4 注意 注意 注意 ：数据增强（新的内容，需要注意了解的内容）
  • 1.5 建立卷积神经网络