基于ResNet34的猫狗分类实现（含数据集及代码）

简介：
本项目利用深度学习框架，采用预训练的ResNet34模型进行猫狗图像分类。通过微调网络参数，并提供完整数据集和源代码支持，便于研究与应用开发。 该项目适合初学者学习深度学习的相关知识。项目包含以下几个部分： - 数据集：包括训练集（training_set）和测试集（test-set）。其中训练集中存放的是猫狗分类的数据，而测试集则用于评估模型性能。 - `datasets.py` 文件负责读取数据，并按照7:3的比例将训练集划分为验证集。 - `chuli.py` 用于检查数据集的正确性。 - `model.py` 包含了ResNet34网络结构的代码实现。 - `train.py` 负责模型的训练过程，同时会绘制出训练过程中训练集和验证集上的损失与准确率的变化情况。 - `test.py` 最终使用测试集评估训练好的模型（resnet.pth）性能，并输出其准确性。