Pytorch resnet花朵识别（5种花）附完整代码

最新推荐文章于 2024-01-22 20:09:28 发布

林晚闲

最新推荐文章于 2024-01-22 20:09:28 发布

阅读量7.6k

点赞数 9

分类专栏：笔记文章标签：深度学习图像识别 pytorch

本文链接：https://blog.csdn.net/kwokkkkk/article/details/118603813

版权

使用PyTorch的ResNet模型进行花卉图像识别，通过重写dataset类并调整参数来应对有限的GPU资源。尽管测试集准确率有待提高，可通过扩大数据集和增加训练迭代次数来提升。

摘要由CSDN通过智能技术生成

notebook运行结果图：
在这里插入图片描述

随机从各种花的图片集中抽取一定数量的图片
因为设备限制，用所有的图片，图片太多
如果用cpu跑太慢了
用gpu太多图片会out of memory
所以用小部分图片，了解方法就好了
在这里插入图片描述

重写dataset类

在这里插入图片描述

显示图片
在这里插入图片描述

在这里插入图片描述

设置resnet的参数
因为用的损失函数是NLL，所以网络最后要接一个logsoftmax
在这里插入图片描述
损失函数、优化器，训练函数

计算正确率函数

在这里插入图片描述

在这里插入图片描述
测试集正确率不高，可以增大数据集
增加训练次数

在这里插入图片描述

源代码：

# 要添加一个新单元，输入 '# %%'
# 要添加一个新的标记单元，输入 '# %% [markdown]'
# %%
from IPython import get_ipython

# %%
# -*- coding: utf-8 -*-
get_ipython().run_line_magic('matplotlib', 'inline')
import os
data_path='flowers'
flower_type=os.listdir(data_path)
print(flower_type)


# %%
import matplotlib.pyplot as plt
from matplotlib import style
import seaborn as sns
style.use('fivethirtyeight')
sns.set(style='whitegrid',color_codes=True)

import numpy as np
import torch 
import torch.nn as nn
import torch.optim as optim
from torchvision import transforms,models
from torch.utils.data import Dataset,DataLoader

from pprint import pprint

import random

from sklearn.preprocessing import OneHotEncoder,LabelEncoder
from sklearn.model_selection import train_test_split

from PIL import Image
from PIL import ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True

from tqdm.notebook import tqdm
from tqdm.notebook import trange

import warnings
warnings.filterwarnings('ignore')


# %%
path_daisy=data_path+'/daisy'
path_dandelion=data_path+'/dandelion'
path_rose=data_path+'/rose'
path_sunflower=data_path+'/sunflower'
path_tulip=data_path+'/tulip'


# %%
def ImgPath(path):
    img_path=[]
    for img in os.listdir(path):
        img_path.append(os.path.join(path,img))
    
    return img_path


# %%
flower_daisy=ImgPath(path_daisy)
flower_dandelion=ImgPath(path_dandelion)
flower_rose=ImgPath(path_rose)
flower_sunflower=ImgPath(path_sunflower)
flower_tulip=ImgPath(path_tulip)

flower_daisy=random.sample(flower_daisy,200)
flower_dandelion=random.sample(flower_dandelion,200)
flower_rose=random.sample(flower_rose,200)
flower_sunflower=random.sample(flower_sunflower,200)
flower_tulip=random.sample(flower_tulip,200)


# %%
flower_type=np.array