使用 gluon 实现狗品种分类

本项目是为了熟悉 gluon 操作的练手作，可以在测试集上获得0.28228的分数。

环境参考：

思路

复现步骤分为以下几步：

下载并解压数据集：https://www.kaggle.com/c/dog-breed-identification/data
运行 preprocessing.ipynb，构建 for_train 和 for_test 的文件夹结构，为 ImageFolderDataset 做准备
运行 get_features.ipynb，导出 resnet152_v1, densenet161 和 inception_v3 等模型输出的特征，参考model_zoo
运行 model.ipynb，拼接特征，训练一个2层的神经网络，然后在测试集上进行预测

为了确定使用的预训练模型是否是最好的，我对所有预训练模型进行了迁移学习：

可以看到 densenet 并没有那么好，于是我只使用 inceptionv3 和 resnet152_v1 的特征，进行了融合迁移学习，获得了 0.27143 的分数。

使用 Stanford Dogs Dataset 进行训练，使用了 inceptionv3 和 resnet152_v1，最终获得了 0.00398 的分数。

Name		Name	Last commit message	Last commit date
Latest commit History 9 Commits
.gitattributes		.gitattributes
README.md		README.md
get_features.ipynb		get_features.ipynb
get_features_v3.ipynb		get_features_v3.ipynb
model.ipynb		model.ipynb
preprocessing.ipynb		preprocessing.ipynb
stanford.ipynb		stanford.ipynb
transfer_learning_all_pretrained_models.ipynb		transfer_learning_all_pretrained_models.ipynb