Code Python pour un réseau de neurones reconnaissant chien/chat

# Importer les modules nécessaires
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout

# Définir les dimensions des images
IMG_WIDTH, IMG_HEIGHT = 224, 224

# Charger le dataset
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.cats_vs_dogs.load_data(
    train_dir="path/to/train",
    test_dir="path/to/test",
)

# Préparer les données
x_train = x_train.astype("float32") / 255.0
x_test = x_test.astype("float32") / 255.0

# Définir l'architecture du réseau
model = Sequential([
    Conv2D(32, (3, 3), activation="relu", input_shape=(IMG_WIDTH, IMG_HEIGHT, 3)),
    MaxPooling2D((2, 2)),
    Conv2D(64, (3, 3), activation="relu"),
    MaxPooling2D((2, 2)),
    Flatten(),
    Dense(128, activation="relu"),
    Dropout(0.2),
    Dense(1, activation="sigmoid"),
])

# Compiler le modèle
model.compile(loss="binary_crossentropy", optimizer="adam", metrics=["accuracy"])

# Entraîner le modèle
model.fit(x_train, y_train, epochs=10)

# Évaluer le modèle
model.evaluate(x_test, y_test)

# Sauvegarder le modèle
model.save("model.h5")

# Prédire sur une nouvelle image
new_image = tf.keras.preprocessing.image.load_img(
    "path/to/new/image.jpg", target_size=(IMG_WIDTH, IMG_HEIGHT)
)
new_image = tf.keras.preprocessing.image.img_to_array(new_image)
new_image = new_image.astype("float32") / 255.0

prediction = model.predict(new_image)

if prediction > 0.5:
    print("C'est un chien")
else:
    print("C'est un chat")