Places365 项目使用教程
places365项目地址:https://gitcode.com/gh_mirrors/pla/places365
1. 项目的目录结构及介绍
Places365 项目的目录结构如下:
places365/
├── docker/
├── IO_places365.txt
├── LICENSE
├── README.md
├── adjectives_download.csv
├── cam_example.jpg
├── categories_hybrid1365.txt
├── categories_places365.txt
├── convert_model.py
├── convert_python36.py
├── demo_pytorch_CAM.py
├── deploy_alexnet_places365.prototxt
├── deploy_googlenet_places365.prototxt
├── deploy_resnet152_hybrid1365.prototxt
├── deploy_resnet152_places365.prototxt
├── deploy_vgg16_hybrid1365.prototxt
├── deploy_vgg16_places365.prototxt
├── labels_sunattribute.txt
├── places365CNN_mean.binaryproto
├── run_placesCNN_basic.py
├── run_placesCNN_unified.py
├── solver_alexnet.prototxt
├── solver_vgg16.prototxt
├── train_placesCNN.py
├── train_val_alexnet.prototxt
├── train_val_vgg16.prototxt
└── wideresnet.py
目录结构介绍
docker/
: 包含 Docker 相关文件。IO_places365.txt
: 输入输出配置文件。LICENSE
: 项目许可证。README.md
: 项目说明文档。adjectives_download.csv
: 形容词下载文件。cam_example.jpg
: 示例图片。categories_hybrid1365.txt
: 混合分类文件。categories_places365.txt
: 场景分类文件。convert_model.py
: 模型转换脚本。convert_python36.py
: Python 3.6 转换脚本。demo_pytorch_CAM.py
: PyTorch CAM 演示脚本。deploy_alexnet_places365.prototxt
: AlexNet 部署配置文件。deploy_googlenet_places365.prototxt
: GoogLeNet 部署配置文件。deploy_resnet152_hybrid1365.prototxt
: ResNet152 混合部署配置文件。deploy_resnet152_places365.prototxt
: ResNet152 场景部署配置文件。deploy_vgg16_hybrid1365.prototxt
: VGG16 混合部署配置文件。deploy_vgg16_places365.prototxt
: VGG16 场景部署配置文件。labels_sunattribute.txt
: 标签属性文件。places365CNN_mean.binaryproto
: 均值文件。run_placesCNN_basic.py
: 基本运行脚本。run_placesCNN_unified.py
: 统一运行脚本。solver_alexnet.prototxt
: AlexNet 求解器配置文件。solver_vgg16.prototxt
: VGG16 求解器配置文件。train_placesCNN.py
: 训练脚本。train_val_alexnet.prototxt
: AlexNet 训练验证配置文件。train_val_vgg16.prototxt
: VGG16 训练验证配置文件。wideresnet.py
: WideResNet 脚本。
2. 项目的启动文件介绍
启动文件
demo_pytorch_CAM.py
: 用于演示 PyTorch 的 CAM(Class Activation Mapping)功能。run_placesCNN_basic.py
: 用于运行基本的 PlacesCNN 模型。run_placesCNN_unified.py
: 用于运行统一的 PlacesCNN 模型。
启动文件介绍
demo_pytorch_CAM.py
: 该脚本展示了如何使用 PyTorch 实现 CAM,可以帮助用户理解模型在图像上的激活区域。run_placesCNN_basic.py
: