# TensorFlow案例

**Repository Path**: huang_zhan_le/tensor-flow-case-study

## Basic Information

- **Project Name**: TensorFlow案例
- **Description**: tensorflow学习demo仓库
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-08-08
- **Last Updated**: 2025-08-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 🐱🐶 猫狗识别系统

基于Node.js和机器学习的图像分类项目，能够准确识别猫和狗的图片。

## 🚀 快速开始

### 安装依赖
```bash
npm install
```

### 训练模型
```bash
npm run train
```

### 测试模型
```bash
npm test
```

### 启动服务器
```bash
npm start
```

### 访问网页
打开浏览器访问: http://localhost:3003

## 📁 项目结构

```
tensorFlow-demo/
├── README.md              # 项目说明
├── 使用指南.md            # 详细使用指南
├── package.json           # 项目配置和命令
├── models/                # 训练好的模型文件
│   ├── simple_model.json
│   └── simple_model_fixed.json
├── images/                # 训练和测试数据
│   ├── train/             # 训练数据
│   └── test1/             # 测试数据
├── src/                   # 源代码目录
│   ├── scripts/           # 脚本文件
│   │   ├── train.js       # 训练脚本
│   │   └── test_model.js  # 模型测试脚本
│   ├── models/            # 模型定义
│   │   └── simple_classifier.js  # 核心分类器
│   ├── server/            # 服务器文件
│   │   └── simple_server.js      # Web服务器
│   └── web/               # 前端界面
│       ├── index.html
│       ├── styles.css
│       └── app.js
└── uploads/               # 上传临时目录
```

## 📋 可用命令

| 命令 | 说明 |
|------|------|
| `npm run train` | 训练新模型 |
| `npm test` | 测试当前模型效果 |
| `npm start` | 启动Web服务器 |
| `npm run dev` | 开发模式启动服务器 |
| `npm run web` | 启动服务器并打开浏览器 |

## 🎯 功能特点

- ✅ **准确识别**：能够准确区分猫和狗的图片
- ✅ **Web界面**：友好的拖拽上传界面
- ✅ **实时预测**：上传图片后立即显示识别结果
- ✅ **置信度显示**：显示预测的置信度百分比
- ✅ **简单易用**：一键训练、测试和部署

## 🔧 技术栈

- **后端**: Node.js + Express
- **机器学习**: 自定义特征提取 + 逻辑回归
- **前端**: HTML5 + CSS3 + JavaScript
- **图像处理**: Sharp + Canvas

## 📊 模型特点

- **18个特征维度**：RGB统计、颜色比例、边缘检测、纹理分析等
- **平衡训练**：确保猫狗数据平衡，避免偏向
- **Xavier初始化**：提高训练稳定性
- **L2正则化**：防止过拟合

## 🎉 开始使用

1. 克隆项目并安装依赖
2. 运行 `npm run train` 训练模型
3. 运行 `npm start` 启动服务器
4. 访问 http://localhost:3002 开始识别

祝你使用愉快！🎊