DeepDanbooru 开源项目教程

DeepDanbooru 开源项目教程

DeepDanbooruAI based multi-label girl image classification system, implemented by using TensorFlow.项目地址:https://gitcode.com/gh_mirrors/de/DeepDanbooru

1. 项目目录结构及介绍

DeepDanbooru 的项目结构简洁明了，主要包含以下几个部分：

1. project 文件夹：存储每个训练项目的配置文件。

   • project.json: 训练项目的设置，包括数据库路径等信息。
   • tags.txt: 标签列表，用于图像分类。

2. tests 目录：存放测试相关代码。

3. .gitignore: Git 忽略文件，指定哪些文件不纳入版本控制。

4. travis.yml: Travis CI 配置文件，用于自动化构建和测试。

5. LICENSE: 项目许可证，采用 MIT 许可证。

6. README.md: 项目简介和安装指南。

7. repeat-run.bat: 可能是一个重复运行脚本的批处理文件。

8. requirements.txt: Python 包依赖列表。

9. setup.cfg 和 setup.py: Python 应用程序的构建设置和脚本。

2. 项目的启动文件介绍

该项目没有明确的主入口文件（如 main.py），而是通过命令行工具 deepdanbooru 来执行不同操作，例如训练模型、评估结果等。这些功能是通过 click 模块实现的，可以在终端中输入相应的命令来调用：

• deepdanbooru train-project [your_project_folder]: 使用指定项目文件夹中的配置启动训练。
• deepdanbooru evaluate [image_file_path or folder] --project-path [your_project_folder] --allow-folder: 对单个图像或整个文件夹进行预测，使用指定的项目配置。
• deepdanbooru make-training-database [your_dataset_sqlite_path] [your_filtered_sqlite_path]: 过滤数据集以创建适用于训练的新数据库。

3. 项目的配置文件介绍

项目 (project) 配置

在每个训练项目中，project.json 是关键的配置文件，它通常包含以下字段：

• database_path: 数据库文件的路径，通常是SQLite数据库，包含用于训练的图像标签信息。

• 其他可能的参数包括训练的超参数，如学习率、批次大小等，具体取决于实现。

另外，tags.txt 文件是简单的文本文件，每一行代表一个标签，用于多标签图像分类任务。如果有特定需求，你可以自定义标签列表或者从Danbooru服务器下载最新的标签。

请确保根据实际数据路径和需求修改上述文件，以便正确地运行和调整 DeepDanbooru 系统。

DeepDanbooruAI based multi-label girl image classification system, implemented by using TensorFlow.项目地址:https://gitcode.com/gh_mirrors/de/DeepDanbooru