4.3.1　数据预处理

本部分包括数据获取和数据处理。

1．数据获取

狗狗数据集下载地址为https://s3.cn-north-1.amazonaws.com.cn/static-documents/nd101/v4-dataset/dogImages.zip，该数据集共有133个品种，几乎涵盖了常见的78个种类及相应的类别标签，共8351张图片，可用于目的式的种类识别。人脸数据集下载地址为https://s3.cn-north-1.amazonaws.com.cn/static-documents/nd101/v4-dataset/lfw.zip，共有13234张图片。预训练模型来源：https://s3.cn-north-1.amazonaws.com.cn/static-documents/nd101/v4-dataset/lfw.zip，导入基于ImageNet数据集的预训练权重。ImageNet是目前非常流行的数据集，常被用来测试图像分类等计算机视觉任务相关的算法。包含1000万个URL，每个都链接到1000 categories（类别）中所对应的物体图像。输入一个图像，该ResNet-50模型会返回一个对图像中物体的预测结果。

以上数据需提前下载并和*.py文件保存在同一目录下。

2．数据处理

在该项目中使用了迁移学习的方法，其中预训练模型是VGG-16，输入图像的维度是224×224×3，将狗狗图片传入模型之前，需要将图片的维度变为224×224×3，其中第一个224代表图片对应的矩阵行数，第二个224代表矩阵列数，3代表通道数，因为使用的图片是RGB格式的彩色图片，所以通道数默认为3，无须修改。