Make your own AI
pip install tensorflow
pip install keras
pip install pillow
At most Python 3.7 since tensorflow is not compatible with newer versions (You can use a Conda Virtual Environment) Use __train.py__ to train a model using a dataset (You need to download one dataset, I used Kaggle cats and dogs dataset from Microsoft to predict cats and dogs)
Use __predict.py__ to predict
**NOTICE: Remember to edit all the files path
Algorithm in French
1. Collecter des données : Vous aurez besoin de nombreuses images de chats et de chiens pour entraîner votre modèle. Vous pouvez utiliser des images trouvées en ligne ou prendre vos propres photos. Assurez-vous d'avoir suffisamment de données pour couvrir une variété de situations et de tailles d'animaux.
-
Pré-traiter les données : Avant de pouvoir utiliser ces images pour entraîner votre modèle, vous devrez peut-être les redimensionner, les recadrer ou les ajuster de diverses manières pour les rendre utilisables.
-
Créer et entraîner le modèle : Vous pouvez utiliser différentes approches pour créer un modèle de détection de chats et de chiens. Une approche courante consiste à utiliser une réseau de convolution de neurones (CNN) et à l'entraîner sur les images pré-traitées que vous avez collectées.
-
Évaluer le modèle : Après avoir entraîné votre modèle, vous devrez l'évaluer pour savoir à quel point il est performant. Vous pouvez utiliser un ensemble de données de test qui n'a pas été utilisé lors de l'entraînement pour évaluer la précision du modèle.
-
Déployer le modèle : Si votre modèle a une précision satisfaisante, vous pouvez le déployer pour qu'il puisse être utilisé dans des applications réelles.
1.b. Datasets examples: Kaggle Oxford-III Pet Dataset Stanford Dogs Dataset Caltech-UCSD Birds dataset