Python | Cat and Dog Classification with Pytorch

لقد قمتَ بتطوير نموذجين لتصنيف الصور بين القطط والكلاب باستخدام تقنيات التعلم العميق. في المشروع الأول، استخدمتَ معمارية ResNet، وهي شبكة عصبية التفافية عميقة تعتمد على الوحدات المتبقية (Residual Blocks) لتسهيل عملية التدريب وتجنب مشكلة تلاشي التدرج (Vanishing Gradient). هذه المعمارية تتميز بقدرتها على التعامل مع الشبكات العميقة دون فقدان الدقة.

أما في المشروع الثاني، فقد استخدمتَ نموذج VGG، وهو نموذج آخر من الشبكات العصبية الالتفافية يتميز بتصميم بسيط يعتمد على طبقات متتالية من الالتفاف (Convolution) والتجميع (Pooling). على الرغم من أن VGG أقل كفاءة من ResNet من حيث عدد المعاملات، إلا أنه يُستخدم على نطاق واسع نظرًا لأدائه الجيد في تصنيف الصور.

من خلال مقارنة النموذجين، يمكنك تحليل الفروقات بينهما من حيث الدقة، سرعة التدريب، وحجم المعمارية، مما يساعد في اختيار النموذج الأنسب لمهمة تصنيف الصور بين القطط والكلاب