Create README.md

README.md

@@ -0,0 +1,76 @@
+# Modelo CNN para Clasificación de Perros vs Gatos
+
+Este modelo de red neuronal convolucional (CNN) ha sido entrenado para clasificar imágenes de perros y gatos. Se trata de una tarea de clasificación binaria donde la salida es `0` (gato) o `1` (perro). Fue construido utilizando `TensorFlow` y `Keras`, entrenado desde cero con un dataset personalizado.
+
+---
+
+## Dataset
+
+- **Nombre**: Cats vs Dogs Dataset
+- **Origen**: Carpeta local `train/`
+- **Cantidad**: 25,000 imágenes
+  - Etiquetado automático por nombre de archivo (`cat` o `dog`)
+- **Tamaño de imagen**: 150x150 píxeles
+- **Preprocesamiento**:
+  - Reescalado: todos los valores de píxel normalizados a `[0, 1]`
+  - División en entrenamiento y validación: `80% / 20%`
+
+---
+
+## Arquitectura del modelo
+
+Sequential([
+    Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3)),
+    MaxPooling2D(2, 2),
+    
+    Conv2D(64, (3, 3), activation='relu'),
+    MaxPooling2D(2, 2),
+
+    Conv2D(128, (3, 3), activation='relu'),
+    MaxPooling2D(2, 2),
+
+    Flatten(),
+    Dense(512, activation='relu'),
+    Dropout(0.5),
+    Dense(1, activation='sigmoid')
+])
+
+model.compile(optimizer=Adam(), loss='binary_crossentropy', metrics=['accuracy'])
+
+model.fit(X_train, y_train, epochs=10, batch_size=32, validation_data=(X_val, y_val))
+
+---
+
+## Como usar
+
+from tensorflow.keras.models import load_model
+from tensorflow.keras.preprocessing import image
+import numpy as np
+
+model = load_model("dogs_vs_cats_cnn.h5")
+
+def predict_image(img_path):
+    img = image.load_img(img_path, target_size=(150, 150))
+    img_array = image.img_to_array(img) / 255.0
+    img_array = np.expand_dims(img_array, axis=0)
+    
+    prediction = model.predict(img_array)[0][0]
+    return "Perro 🐶" if prediction > 0.5 else "Gato 🐱"
+
+---
+
+## Guardado del modelo
+
+model.save("dogs_vs_cats_cnn.h5")
+
+---
+
+## Requisitos
+
+- Python >= 3.8
+- TensorFlow >= 2.9
+- NumPy
+- scikit-learn
+
+---
+