** 本系统分为后台管理系统端和微信小程序端。是基于SSM框架的流浪猫狗领养救助平台管理系统，平台用户可以在浏览器登录系统后进行一系列操作。 同时系统具备微信小程序端，用户也可以在微信小程序端进行一系列的操作。本系统使用了SpringBoot2.X VUE2.6 Antd1.7.2 MyBatisPlus Shiro1.5.0 Java1.8等一系列技术。** ** 后台管理系统具备的功能： 1.实现了系统管理，包括了，系统用户管理，权限管理，角色管理 2.实现宠物救助站的账务记录，宠物领养申请，小程序轮播图，小程序用户信息功能。 3.实现了宠物养殖攻略发布功能，待领养宠物查看功能，浏览消息功能，救助站列表功能等。** ** 小程序端具备的功能： 1，实现了小程序登录注册，首页轮播图，宠物信息查看功能 2，实现了宠物发布功能，送养信息，寻主信息功能，查看公告信息功能，发布和查看留言等功能 3，实现了救助站信息查看功能，足迹查看功能，领养申请查看功能

史上最全猫狗二分类、以pytorch为基础的猫狗二分类、预测准确率超高的猫狗二分类、软件工程必看

官网需注册且使用代理，而百度网盘速度下载速度太慢，现免费提供下载，无需积分。

该项目使用spring mvc+spring+mybatis框架组合。分为前端和后端两部分，主要功能包括：领养中心，团队活动，领养管理，流浪猫狗管理，志愿者申请，领养列表等。适合喜爱动物的同学，目前流浪猫狗很多，同学可以通过该网站发布需要救助的流浪猫狗信息，便于有爱心的人士收养。

先安装环境 ----> 使用data_classify.py文件进行训练集与测试集分割 ----> 在进行训练即可 数据准备：当前数据存放 data_name 文件夹内 文件夹名就是类别名，n个类别就是n个文件夹 目录主要结构组成： model_AlexNet.py ----> 自己建的AlexNet模型（可选其他模型） model_Vgg16.py ----> pytorch自带更改的模型（可选其他模型） train.py ----> 用于训练模型 test.py ----> 用于测试模型 辅助文件： data_classify.py ----> 将 data_name内的类别分为训练集与测试集。 ​ 注意查看代码内容，包含argparse模块 清除单通道图像 -----> 数据清洗，处理异常图像 旧版数据加载 -----> 用于学习图像 数据加载

数据集为猫狗数据集，数据集中猫狗图片大小不一致，可以自行来调整数据的大小以便模型可以训练学习。

这里面包含了4000张猫狗图像，训练集2000张，验证集1000张，测试集1000张。

深度学习作业_基于resnet50和vgg16网络pytorch框架实现猫狗分类完整源码+代码注释+实验报告.zip 猫狗分类，使用Kaggle猫狗分类的原始数据集，实现模型最终的准确率达到75%及以上。本实验的目的： 为了进一步掌握使用深度学习框架进行图像分类任务的具体流程如：读取数据、构造网络、训练和测试模型 掌握经典卷积神经网络VGG16、ResNet50的基本结构

基于深度学习的猫狗识别算法,准确率99%

动物(哺乳动物)分类图像数据集，例如：熊，猫，狗，大象，狮子，山羊，马，狮子，老虎和狼，每种动物100张图片 动物(哺乳动物)分类图像数据集，例如：熊，猫，狗，大象，狮子，山羊，马，狮子，老虎和狼，每种动物100张图片