水果分类程序：基于深度学习的水果识别

背景

水果分类在水果产业和社会经济发展中具有重要意义。目前，水果分类主要依赖人工分类，但这种方法浪费大量人力物力且效率低。随着人工智能和机器视觉的发展，基于深度学习的水果分类方法具有重要意义和广泛的应用价值。

流程

1. 数据准备：

   • 在这一部分，首先设置了一些参数，如批处理大小、训练周期、标签种类数和学习率。
   • 定义了数据预处理操作，包括将图像转换为张量，调整大小、中心裁剪和标准化。

2. 数据集创建：

   • 遍历了水果数据集目录，收集了图像路径和对应的标签。
   • 随机打乱数据集并将数据保存为CSV文件。

3. 数据加载与划分：

   • 读取了CSV文件，将数据加载到内存中。
   • 把数据集划分为训练集和验证集。
   • 创建了一个自定义数据集类，这个类包括了数据加载和转换操作。

4. 模型构建：

   • 在这一部分，定义了一个卷积神经网络（CNN）模型。这个模型包括了卷积层、池化层和全连接层。
   • 还创建了一个模型对象并配置了优化器、损失函数和评估指标。

5. 模型训练：

   • 为训练数据集和验证数据集创建了数据加载器。
   • 使用模型对象启动了完整的模型训练流程，包括多个训练周期。
   • 最后，保存了训练好的模型，以便后续的使用。

6. 模型测试：

   • 这部分准备了测试数据集。
   • 使用保存的模型进行图像分类预测，并输出了预测结果。

准备
 

# 查看当前挂载的数据集目录, 该目录下的变更重启环境后会自动还原
# View dataset directory. 
# This directory will be recovered automatically after resetting environment. 
!ls /home/aistudio/data

# 查看工作区文件, 该目录下的变更将会持久保存. 请及时清理不必要的文件, 避免加载过慢.
# View personal work directory. 
# All changes under this directory will be kept even after reset. 
# Please clean unnecessary files in time to speed up environment loading. 
!ls /home/aistudio/work

# 如果需要进行持久化安装, 需要使用持久化路径, 如下方代码示例:
# If a persistence installation is required, 
# you need to use the persistence path as the following: 
!mkdir /home/aistudio/external-libraries
!pip install beautifulsoup4 -t /home/aistudio/external-libraries

# 同时添加如下代码, 这样每次环境(kernel)启动的时候只要运行下方代码即可: 
# Also add the following code, 
# so that every time the environment (kernel) starts, 
# just run the following code: 
import sys 
sys.path.append('/home/aistudio/external-libraries')

import paddle
print(sys.version)

 对应关系： torch.nn--paddle.nn torchvision.transforms--paddle.vision.transforms torchvision.datasets--paddle.vision.datasets torch.utils.data--paddle.io.DataLoader

 导入包